随着立体显示技术的不断发展，3D应用越来越广泛，立体图像的视觉舒适度评估（SVCA）成为一个新的研究课题。SVCA关注的是观看立体图像或视频时可能引起的一系列生理症状，如视觉不适、眼睛疲劳、头痛以及眩晕。这些症状有可能阻碍3D应用的普及。传统的二维图像质量评估方法主要包括主观评估和客观度量。同样，立体视觉舒适度评估也可以分为这两类。
在主观评估方面，这是一种心理物理方法，测试当人们观看特定类型的立体图像或视频时是否经历了不适或疲劳症状，如眼睛疲劳、双重或模糊视觉和头痛。研究者已经发现，引起视觉不适的几个因素包括过度的屏幕视差、调节-聚散冲突等。
调节-聚散冲突被认为是引起视觉不适的一个主要原因。为了解决这种冲突并评估由此引起的视觉不适，本文提出了一种基于立体图像调节和聚散测量的立体视觉舒适度评估（SVCA）指标。在这里，调节对应于单眼聚焦过程，通过两视图图像的联合熵来建模；聚散对应于双眼融合，通过两视图图像的互信息来建模。联合熵和互信息是通过从两视图图像中提取的视觉原语来计算的。在本文中，调节-聚散冲突表达为互信息与联合熵的比率。
为了评估所提出的SVCA指标，进行了一项主观实验以构建真实数据库。实验结果表明，提出的SVCA指标与某些最新的SVCA模型相比，表现出了高度竞争力的性能。
在这部分的介绍中，还提到了调节-聚散冲突，这是影响立体视觉舒适度的一个关键因素。调节是指眼睛调节焦距以看清物体的过程，而聚散是指双眼调节视线，使得不同视图的图像在视网膜上合并为一个单一的感知图像。两者在观看立体内容时需要协调一致。如果调节与聚散不一致，则会造成视觉不适，从而降低观看体验的舒适度。
在客观度量方面，研究者们尝试开发出能够量化视觉舒适度的指标，以便能够无需人工干预地自动评估图像的舒适度。这其中包括了基于图像内容的计算方法，例如计算两视图图像的联合熵、互信息，以及调节-聚散冲突的比率。这些指标通常基于复杂的人眼视知觉原理，需要通过专门设计的算法来模拟人眼观看立体图像时的反应。
目前对于立体图像的视觉舒适度评估存在挑战，其中包括如何定义一个全面而准确的舒适度评价指标，以及如何在没有大量主观评价数据的情况下准确预测视觉舒适度。不过，随着机器学习和人工智能技术的发展，预测模型正在变得越来越精确，有望解决这一问题。
立体图像的视觉舒适度评估指标的重要性不言而喻。它不仅涉及图像内容本身，还涉及到用户观看时的心理生理反应。通过建立更加有效的评估指标，不仅可以提高观看立体内容的舒适度，还能推动3D技术和应用的进一步发展。随着未来研究的深入，我们可以期待更加先进的立体图像视觉舒适度评估方法，以提供更加人性化的观看体验。
