图像重定向(Image Retargeting)是一种图像编辑方法,其目的是调整图像的宽高比,使图像能够适配不同分辨率的显示器。随着屏幕显示技术的快速发展和终端设备分辨率的多样化,图像重定向技术的应用也越来越广泛。然而,不同的图像重定向算法有着不同的重定向属性。一些重定向方法对某一类图像处理结果较好,但对另一些类别图像的处理结果却很差。针对现有的平面和立体图像重定向方法通用性不高,重定向图像质量参差不齐这一问题,本学位论文以提升用户视觉体验为落脚点,致力于平面和立体图像重定向评价方法研究。学位论文的主要内容包括:(1)提出一种结合双向相似性变换的重定向图像质量评价方法。该方法利用相似性变换矩阵建立原始图像和重定向图像间的双向变换关系,并基于相似性变换矩阵偏移和网格面积缺失评价重定向图像质量。在此基础上,论文对该模型进行改进,提出一种结合局部和全局失真的重定向图像质量评价模型TRASIM和一种TRASIM评价模型驱动的多操作重定向方法。在重定向图像质量评价数据库Retarget Me和CUHK上的测试结果表明,提出的质量评价方法能够有效地预测重定向图像的质量。(2)提出一种基于手工特征和学习特征的重定向图像质量评价方法。首先,由相似性变换矩阵计算局部多尺度结构失真,根据网格面积缺失计算局部信息损失。然后,将深度学习网络作为特征编码器,提取重定向图像的纹理特征和语义特征。最后,通过支持向量回归融合提取的手工特征和学习特征,得到重定向图像质量。实验结果表明,提出的方法对重定向图像的视觉质量预测结果符合人眼主观感知。(3)提出一种立体重定向图像主观和客观质量评价方法。在主观评价方面,构建立体重定向图像质量评价数据库NBU-SIRQA,通过主观打分获取立体重定向图像主观质量,并对主观质量进行定性分析。在客观评价方面,提出一种融合深度感知、视觉舒适度以及左右视点图像质量的立体重定向图像质量评价方法。NBU-SIRQA数据库可用于立体重定向图像视觉质量评价研究,提出的立体重定向图像客观评价方法能够有效地预测立体重定向图像的质量。(4)提出一种基于变换的立体重定向图像质量评价方法。该方法将复杂的立体重定向图像生成过程分解为单目图像重定向变换和视点转换两个子过程。在单目图像重定向过程中,由像素偏移提取网格形变和内容丢失特征评价图像的几何失真和信息损失。在视点转换过程中,根据视差图提取网格形变和内容丢失特征评价图像的视觉舒适度和场景深度感。最后,融合两个子过程的特征得到立体重定向图像的视觉质量。在数据库上的测试结果表明,提出的立体重定向图像质量评价方法具有较高的评价准确性。