3D视频在带给人身临其境的视觉体验的同时,也因其庞大的数据量而给视频的存储和传输带来了巨大的压力。因此,如何在保证视频主观质量的前提下,尽可能占用更小的传输带宽是3D视频编码领域亟待解决的重大挑战。以往的编码算法主要集中精力于去除视频的空间冗余、时间冗余等,而我们将注意力转向于去除视频中的视觉冗余。为此,本文提出把人眼视觉特性与现有的H.264编码框架相结合,着力于利用3D视频中的感兴趣区域和恰可察觉失真,在保证主观质量的前提下,尽可能减少码率,最终提高压缩效率。感兴趣区域(Region Of Interest,ROI)编码是指通过控制视频背景区域与ROI区域的宏块量化参数(Quantization Parameter,QP)的分配,在保证视频主观质量的同时提高压缩效率。对2D视频而言,ROI检测性能不稳定,这限制了 ROI编码的推广与使用。而3D视频中包含的深度信息与人类视觉模型(HVS)中感兴趣程度间有着十分密切的联系,这为3D视频ROI区域检测提供了有利条件。因此本文综合深度信息,提出了两种3D显著性检测算法。恰可察觉失真(Just Noticeable Distortion,JND)是指由人类视觉系统的生理特性和心理特性所造成的,对图像不同区域具有不同失真敏感度的现象。当图像特定区域的失真程度低于JND阈值时,人眼无法感知其存在。JND视频编码技术主要针对视频的视觉冗余,在编码时结合人眼视觉特性,合理分配编码资源,进一步提高编码的效率。本文主要利用3D视频(单视点视频加深度图格式)中的纹理和深度信息,对其进行与H.264标准兼容的ROI和JND编码的研究。本文首先研究了人眼立体视觉系统模型,分析了景物深度与HVS中感兴趣程度间的关系。由此,提出了基于深度的立体投影显著性检测算法;进一步发掘深度和场景中背景区域的关系,提出了基于背景检测的3D显著性检测算法。针对人眼对不同深度的注意程度不同,以及不同视点间物体的相互遮盖等关系,提出了一种利用深度图计算JND阈值的模型。之后,探讨了 H.264压缩标准和压缩后比特率的构成和调整方式。据此,在视频进行H.264压缩前,通过结合ROI和JND对视频帧的区域划分,建立更加符合人眼视觉特性的分级量化模型,指导人眼感兴趣区域量化参数的选取,进一步提升ROI区域的主观质量并提高编码效率。最后,从理论和实验两方面,分析了这个分级量化策略对视频压缩后比特率的影响。实验结果表明本文的方案在同等码率下,以较低失真保存了人眼视觉敏感区域,为用户提供了较好的视觉体验。