1. 本选题研究的目的及意义

随着立体显示技术的快速发展，立体图像和视频在娱乐、医疗、教育等领域得到越来越广泛的应用。

然而，在立体图像的采集、处理、传输和显示过程中，由于设备限制、压缩算法、传输误差等因素的影响，常常会导致立体失真现象的产生，影响用户的视觉体验。

立体失真主要表现为左右视图之间存在的不一致性，包括几何失真、视差失真、模糊失真等。

2. 本选题国内外研究状况综述

视觉显著性检测作为计算机视觉领域的基础性研究课题之一，近年来受到国内外学者的广泛关注。

#国内研究现状国内学者在视觉显著性检测方面取得了一系列的研究成果，特别是在基于深度学习的显著性检测方面。

例如，学者提出了基于深度卷积神经网络的显著性检测方法，有效提高了复杂场景下的检测精度。

3. 本选题研究的主要内容及写作提纲

主要内容：
1.立体失真图像分析：深入研究立体失真图像的成因，包括采集、处理、传输、显示等环节可能引入的失真因素。

对立体失真图像进行分类，例如几何失真、视差失真、模糊失真等，并分析不同类型失真的特点和对视觉感知的影响。

研究人眼对立体失真图像的感知特性，包括视觉舒适度、深度感知、视觉疲劳等，分析不同失真类型和程度对视觉感知的影响规律。

4. 研究的方法与步骤

本研究将采用理论分析、算法设计、实验验证相结合的研究方法，具体步骤如下：
1.文献调研阶段：深入研究立体视觉感知、立体失真图像、视觉显著性检测等相关领域的国内外研究现状，收集整理相关文献资料，为研究提供理论基础和技术参考。

2.立体失真图像分析阶段：分析不同成因、不同类型的立体失真图像的特点，提取对视觉感知影响显著的失真特征。

研究人眼对立体失真图像的感知特性，包括视觉舒适度、深度感知、视觉疲劳等，分析不同失真类型和程度对视觉感知的影响规律，为视觉显著性模型构建提供依据。

5. 研究的创新点

本研究的创新点主要体现在以下几个方面：
1.针对性地研究立体失真图像的视觉显著性问题：不同于传统的针对2d自然图像的视觉显著性研究，本研究聚焦于立体失真图像这一特定类型的图像，分析其独特的失真特征对人眼视觉感知的影响，构建更符合立体视觉特性的显著性模型。

2.结合立体失真特征和人眼视觉特性设计模型：将立体失真图像的特征分析与人眼视觉感知特性相结合，提取对人眼视觉感知影响显著的失真特征，并用于构建视觉显著性模型，提高模型的预测精度和符合人眼感知的能力。

3.探索深度学习技术在立体失真图像视觉显著性预测中的应用：尝试将深度学习技术应用于立体失真图像的视觉显著性预测，构建端到端的显著性预测模型，并探索不同深度学习模型和网络结构对预测性能的影响。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

1.王文博,王涌天,王强,等.基于深度学习的立体图像质量评价综述[j].电子学报,2020,48(09):1930-1944.

2.李俊,沈建冰,张兆翔.显著性目标检测综述[j].计算机应用研究,2021,38(02):321-330 380.

3.刘佳,李志华,王宁.基于深度学习的图像显著性检测方法综述[j].智能系统学报,2020,15(05):883-894.