1.一种立体图像观看舒适性客观评价方法，其特征在于：首先，提取立体图像的感兴趣区域；然后，分析感兴趣区域图像，获取各种特征；有效提取各特征信息，采用ε‑SVR支持向量回归模型，确立核函数；最后选取标准立体图像库训练并测试模型，实现舒适性评价；其具体步骤如下：步骤1：计算左右眼图像的视差图DR(x,y)；

步骤2：采用GBVS显著性检测算法以右眼图像为主视眼提取显著区域，得到显著图ISR(x,y)，结合视差图计算立体显著图IIS(x,y)，对立体显著图进行阈值T分割，得到掩膜图IM(x,y)，其中，α1，α2为系数，且α1+α2＝1；

IIS(x,y)＝α1ISR(x,y)+α2DR(x,y)

步骤3：将掩膜图与右眼图像相乘得到立体图像感兴趣区域of；

步骤4：提取感兴趣区域的舒适度影响特征，包括如下子步骤：

步骤401：通过下面公式计算感兴趣区域的平均视差值Dmean与平均视差角dθ：其中，d(x,y)为视差图中(x,y)处的视差值，|of|表示感兴趣区域内像素总数，k为放映放大率，D表示视差，L为观看立体图像时距屏幕的距离；

步骤402：提取前景区域宽度Wmean与宽度角Wθ，公式如下：其中，NF表示前景区域水平线的数量， 表示前景区域内第n条水平线长度，w表示宽度；

步骤403：根据水平方向和垂直方向的空间频率Rf、Cf，按照下面公式计算图像空间频率v，其中，M和N为图像的宽和高，I(x,y)为图像(x,y)点的像素值；

步骤404：通过下面公式计算图像视角β，得到归一化的空间频率f，其中r表示栅条与人眼的距离，S为光栅图像宽度；

步骤405：按下面公式计算基于空间加权的区域对比度 其中，dr(r1,r2)为区域r1和区域r2的空间颜色距离，f(c1,i)表示第i个颜色c1,i在第1个区域r1的所有颜色n1中出现的概率，f(c2,j)表示第j个颜色c2,j在第2个区域r2的所有颜色n2中出现的概率，d(c1,i,c2,j)表示区域1中的i个颜色与区域2中第j个颜色在Lab空间内的颜色距离，Sr(ri,rj)表示区域ri与区域rj之间的空间距离，γ0用于控制空间权值的强度；

步骤406：提取亮度V、色度H、饱和度特征S，公式如下：

V＝max(R',G',B')

其中，R'、G'、B'为红、绿、蓝三个颜色通道分量的归一化值；

步骤407：计算左右眼视图显著区域的亮度差异Δv(x,y)，色度差异Δh(x,y)，饱和度差异Δs(x,y)，公式如下，其中，vL(x,y)表示左眼图像的亮度特征，vR(x,y)表示右眼图像的亮度特征，hL(x,y)表示左眼图像的色度特征，hR(x,y)表示右眼图像的色度特征，sL(x,y)表示左眼图像的饱和度，sR(x,y)表示右眼图像的饱和度；

Δv(x,y)＝|vL(x,y)‑vR(x,y)|

Δh(x,y)＝|hL(x,y)‑hR(x,y)|

Δs(x,y)＝|sL(x,y)‑sR(x,y)|

步骤5：采用ε‑SVR支持向量回归模型建立预测函数f(X)，其定义形式如下：δi和 为拉格朗日算子，b为偏置项，X为特征变量，n为提取的特征的数量，Xi为提取的第i个特征，K(Xi,X)表示核函数，采用径向基核函数(RBF)，公式如下，其中，γ1为核函数的参数；

步骤6：将提取的感知特征 与标准MOS值

进行归一化处理，基于预测函数进行模型训练和舒适性预测，对预测结果进行反归一化处理得到舒适度预测值。