视觉信息是大数据时代的主要数字信息资源,图像和视频是人类获取视觉信息的主要来源。人眼视觉系统是所有视觉信息的最终接收端,其本身就是一个复杂、高效的信息感知处理系统。因此,如何从图像和视频数据中迅速而准确地获得符合人眼视觉感知的信息成为研究的难点与热点。即以人眼视觉感知要求为准绳,研究如何有效提升计算机处理视觉信息和评价图像和视频质量的能力。总结起来,面向人眼视觉感知特性的图像质量评价可以看作大脑通过视觉系统指导底层视觉信息的提取与处理过程,即在满足人眼视觉感知特性要求的条件下,对图像/视频的清晰度、数据量或深度感知等方面进行的视觉分析和质量评价,可用于指导视觉信息采集、编码、压缩、重构、处理和显示等一系列问题。本文从人眼视觉感知特性出发,重点探讨了视觉感知对图像的分辨能力、视觉感知对图像质量的综合体验、以及视觉系统对3D视频的立体深度感知,并研究其在数字图像处理中的建模应用。在视觉感知过程中,由于人眼视觉的分辨能力有限,无法分辨处于一定阈值下的视觉内容变化。恰可识别差阈值正好表征了这一视觉感知分辨能力,可有效去除图像冗余信息,从而提高图像的压缩编码性能。视觉感知后期,图像质量可以决定主观视觉对图像内容的认知充分性和准确性,而图像超分辨致力于图像内容的重构与恢复,因此超分辨图像的客观质量评价能够预测主观视觉对图像内容重构的综合体验,可用于评价和优化超分辨算法的性能。以及人眼双目视觉系统具有立体深度感知特性,对3D视频的深度质量评价可以反映人眼视觉系统对立体深度信息的感知能力,可用于3D视频压缩和编码等处理系统。总之本文由以下三个主要研究工作构成,即图像恰可识别差阈值估计、超分辨图像质量评价和3D视频深度质量评价,具体研究内容和贡献如下:（1）面向人眼视觉感知过程中的视觉敏感度方面,重点研究了人眼视觉的方位选择性机制,提出了一种计算图像内容结构复杂度的算子;然后根据人眼对不同结构区域的视觉敏感度差异,估计不同区域的掩模效应。再结合视觉系统随离散余弦变换Discrete Cosine Transform（DCT）域系数频率变化的对比敏感特性和亮度自适应性,提出一种新的DCT域恰可识别差阈值模型。本研究所提出的模型相较于其他DCT域恰可识别差阈值模型,有两个方面的创新突破。首先,所提的基于方位结构复杂度的掩模模型,相比于以前的对比度掩模,在对不同视觉内容的掩模效应估计上更加准确,也更加符合人眼的主观视觉感知。然后整个恰可识别差阈值估计过程完全基于DCT域系数,无需跨像素域操作,可直接应用于图像的压缩编码系统中,在提高阈值估计准确性的同时,保证了实用性。（2）面向人眼视觉感知后期对图像质量的综合体验方面,重点讨论了超分辨图像的性能评价指标如峰值信噪比Peak Signal to Noise Ratio（PSNR）和结构相似性Structural Similarity Index（SSIM）,越来越难以满足现有基于深度学习超分辨算法的性能比较问题。本文首先组织了超分辨图像质量的主观评价实验,构建了一个可靠的超分辨图像质量评价数据库,验证了现有客观评价指标在超分辨图像质量评价上的缺陷。然后根据自由能量理论,基于大脑的内部生成机制,提出一种视觉内容预测模型,用于预测不同视觉区域内容的纹理和结构特征。最后通过计算超分辨图像和参考图像视觉内容预测模型的相似性,提出了一种专门用于超分辨算法性能比较的客观质量评价指标,提高了其与主观视觉感知的一致性,可用于指导超分辨算法的设计与优化。（3）面向双眼视觉感知特性的立体深度质量评价方面,针对3D视频立体深度感知可能受编码等外界噪声因素影响的问题,我们通过组织一系列的主观深度感知评价实验,探究视觉系统的深度感知与频率、方向和运动等基本视觉元素的相关性;然后结合深度感知特性和时空域的结构特性,分别提取3D视频的双目、单目和运动深度特征进行建模;最后在3D视频深度感知评价数据库上,用支持向量机训练获得一个3D视频深度质量评价模型。本研究主要贡献是构建了一个用于3D视频深度质量评价的数据库;提出了一种3D视频深度质量的评价体系,即从双目、单目和运动三个方面估计深度感知特征;实现了3D视频深度质量的无参考评价,在主观深度感知一致性比较中,优于现有的深度质量评价指标,更加符合人眼的深度感知。