3D视频技术已成为当前视频领域的热点,3D视频在给人们带来沉浸式体验的同时,也带来了巨大的数据量,对网络传输带宽和数据存储性能提出了新的挑战,这就要求视频编码算法不断改进和发展。在各种新提出的编码算法中,感知视频编码算法被广泛认为是能够有效提高编码性能的一种方案。其中,JND(Just Noticeable Distortion)模型能够定量地度量感知冗余,因此成为感知视频编码中的主流。根据人类视觉系统在3D观看及感知方面的特征,建立双目JND模型,能够进一步提高3D视频的压缩效率。因此本文的主要工作便是在传统的单视点JND模型的基础上,与双目视觉特性结合,研究双目JND模型。首先,本文分析了当前像素域和DCT域主流的单视点JND模型,并将这两种模型集成在立体视频的左、右视点序列的编码中。本文又分析了当前新提出的像素域双目JND模型,并讨论了相关的编码方案。通过四个不同的立体视频序列,测试比较了上述各种模型的编码性能。其次,在已有的像素域双目JND模型的基础上,根据其建模实验思路,通过所做的心理物理学双目感知阈值测试实验,建立了DCT域的双目JND模型,并在立体视频编码器中实现了本模型。在相同的实验条件下对本模型的编码性能进行了测试,并与其他三种模型的编码性能做了比较和分析。实验结果显示,在相同的主观视觉质量下,本模型方案与传统的立体视频编码方案相比,码率平均下降40%以上；与其他三种模型方案相比,码率也有不同程度的下降。