随着信息时代的到来,以图像和视频为代表的多媒体正不断地影响和改变我们的生活方式和娱乐方式,极大地丰富了用户视觉体验。同时,对于用户来说,在上传和观看图像视频的过程中对其视觉质量提出了更高的要求。因此,以用户体验(Quality of Experience,Qo E)为基础的视觉质量评价和优化就越来越受到人们的关注。本文结合视觉感知从相应的评价到优化,从2D平面图像到3D立体图像来研究面向用户体验质量提升的视觉优化方法,主要内容如下:(1)提出基于深度学习的图像美观度评价方法。美观度是一个非常复杂且主观性很强的问题,为了对自然图像进行美观度的评价,利用深度神经网络模拟人类视觉系统,建立相应的评价模型。具体地,通过卷积神经网络,利用两个通道分别提取图像的美学信息以及场景类别信息,然后将两个通道在第五个卷积层处结合,经过若干个全连接层将特征进行抽象化后,最终输出图像的美观度(美观或不美观)。(2)提出基于图像检索的对比度调整方法。在图像摄取过程中由于主观或客观因素的影响使得图像对比度失衡,而改善图像对比度是一个很好的提升用户体验质量的方法。通过图像检索获取到和待增强图像内容相近且图像质量良好的参考图像,结合三种增强方式:上下文不相关、上下文相关以及亮度调整所获得的图像组合作为含参数的增强图像。利用美学特征和图像熵来指导、求解多准则优化问题,并以图像质量作为约束最终求出相关参数,从而得到增强图像。(3)提出联合3D图像对象尺寸和深度的调整方法。为了提升用户3D立体视觉的体验感,提出了用户和图像内容交互的方法,通过用户指定感兴趣的对象或者区域,设定相应的调整系数,可同时调整对象尺寸和深度。利用网格形变的方式控制对象身上的特征点以此保护对象的形状、调整对象的尺寸以及保持深度的舒适性。使得调整后的图像其尺寸可达到预期的效果,并且其深度可在舒适度的范围内进行增强。(4)提出了全局和局部调整的方式,实现3D图像调焦的方法。为了近一步提升用户的3D立体视觉的体验,避免光学调焦带来的3D图像的畸变,通过在图像平面的调整实现立体相机在真实深度上移动的效果,即调整虚拟相机在Z方向(对象和相机连线的方向)上的位置,进而实现立体图像调焦。在用户指定调焦强度后,利用两次内容调整,分别为全局调整和局部调整,全局调整进行图像全局的调整,而局部调整则进行局部区域的微调以保证图像质量以及立体图像的视觉体验。最终达到图像内容的调焦,而3D图像的深度会自适应地随图像的调整而变化。本文所提出的四种研究方法,从评价到优化,从平面图像形式到3D立体图像形式,与其他研究方法相比均有指标上或者用户体验上的提升。