随着人们对多媒体应用需求的增长,越来越多的显示设备出现在市场上,如立体显示设备（3DTV）和头戴式显示设备（HMD）。由于内容生成与终端显示层面上的分离,因此对特定格式的显示内容进行适配是一项重要的研究。此外,内容捕获、编码和传输过程会出现内容质量退化和失真,以用户观看体验为基础的视觉质量评价也受到了人们的广泛关注。本文面向3DTV和HMD两种显示设备,提出了3D立体图像显示优化方法和全景视频质量评估方法,主要内容如下:（1）为了解决立体图像的深度感知增强和尺度缩放问题,提出了一种基于像素融合的立体图像重定向方法。传统方法对左右图像施加了深度保持约束,导致深度自适应性差。为解决这个问题,在最新的基于细缝裁剪的像素融合技术上,通过改变不匹配区域的宽度进行深度范围调整以满足观看的舒适性,将对象缩放能量和视差一致性能量转化为最小二乘问题求得最优的缩放因子。同时,对左右细缝进行对齐以减少图像扭曲对观看的影响。（2）为增强立体图像构图,本文提出一种基于Delaunay网格形变的立体图像内容重组方法。首先对待重组的一对立体图像需要调整的目标、特征线和其余区域进行取点操作,建立Delaunay网格。然后,本文构建了图像质量能量、美学能量和深度适应能量及相关约束求解优化问题,增强了图像美感。不同于现有的立体图像重组方法,我们的方法的主要创新之处在于平衡了图像信息丢失和语义失真,同时改进了立体对象缩放的视差调整几何模型。（3）考虑到立体图像缩略图生成的研究还相对缺乏,从实际应用出发,本文提出了一种基于多操作的立体图像缩略图生成新技术。首先利用网格形变技术将立体图像缩放到不同的六尺度分辨率下,且视差统一调整到恰可察觉的范围,克服了立体缩略图不可控的深度感知问题。然后通过深度网络裁剪出六尺度图像,并根据设计的图像视觉表征能量对目标分辨率进行优化。（4）针对全景视频压缩的高要求,提出了一种客观的质量评价方法,用于评估全景视频编码的质量损失。通过空域和频域的信号特征来描述360°视频的图像内容及运动信息。从多个投影平面和时间分组角度,进一步考虑多通道信息聚合分数,从而有效地测量360°的视频质量。（5）考虑到全景视频无参考质量评价的研究还很有限,我们提出了全景视频的盲质量评价框架。一方面,从视口投影格式的角度,采用立方体投影格式消除等距投影格式在全景视频的采样失真。另一方面,利用空时卷积网络充分提取帧内和帧间信息,对全景视频特征进行更全面的建模和质量预测。