由于技术的快速发展，3D技术得到了广泛应用，尤其在多媒体娱乐领域。3D技术能够提供更沉浸式的视觉体验，因此越来越受欢迎。3D图像可以呈现物体的深度，比2D图像提供更真实的体验。Liu等人（2019年）开发了一种基于深度图像的渲染技术，无需佩戴眼镜即可查看3D图像，从而获得良好的立体视觉效果。Hättenschwiler等人（2019年）证明，在视觉检测任务中，3D成像具有优于2D成像的自动爆炸物检测能力和更高的行李处理效率。与传统的2D显示器相比，立体3D显示器在各种与深度相关的任务中表现更好，包括评估绝对和相对距离、发现和识别物体、进行导航以及理解3D场景（McIntire等人，2012年）。先前的研究表明，3D图像在不同方面优于2D图像，例如存在感（Lin，2023年；Lin和Chen，2019年，2023年）、命中率（Lin和Chen，2019年）以及注视时间和注视次数（Lin等人，2024年）。
尽管3D技术越来越受欢迎，但仍有一些挑战需要克服。根据Lin和Jin（2019年）的研究，双眼视差是影响3D电视图像质量的主要因素。双眼视差可以分为交叉视差和非交叉视差，其中交叉视差造成的视觉不适感更强（Li等人，2011年）。视觉不适的主要来源之一是前景和背景之间的相对视差（Li等人，2014年）。以往的研究也探讨了双眼视差对视觉不适的影响（Tam等人，2001年；Kooi和Toet，2004年）。过去的研究还表明，3D图像在准确性（Lin等人，2024年）、视觉疲劳（Lin等人，2024年；Lin和Chen，2019年，2023年）以及可用性（Lin，2023年；Lin和Jhang，2014年）方面表现不如2D图像。基于3D显示器的这些优缺点，本研究值得进一步探讨。
图像质量与各种成像系统捕捉、处理、存储、压缩、传输和显示构成图像的信号的准确性有关（Wikipedia，2025年）。它影响观众对图像的感知和体验。清晰的图像有助于人们更好地理解所呈现的内容，并避免失真。高质量的图像能提升观看体验，使观众更深入地投入到所呈现的内容中（Shishikui和Sawahata，2022年）。Lin和Jin（2019年）也研究了图像质量问题，并确定了评估3D电视的关键因素。
此外，在选择电视时，消费者通常会评估多个功能属性，如音视频同步性、视频播放的流畅性、屏幕尺寸、音频质量和切换速度（刷新率）。电视的功能属性是指直接影响产品性能、可用性和预期功能的可测量或技术特性。Baxter（2018年）将显示技术中的功能属性描述为可量化的规格，这些规格决定了显示器再现准确视觉效果和响应用户交互的能力。Kotler和Keller（2016年）指出，功能属性是一组能为消费者提供功能效用和性能优势的产品特性。Zeithaml（1988年）将功能属性定义为影响感知质量和用户满意度的客观且具体的产品特征。根据上述观点，本研究值得进一步探讨功能属性。
1984年提出的Kano模型（Kano等人，1984年）适用于各个行业和领域，如车辆驾驶相关应用（Chen，2024年；Ma等人，2019年）、领导力（Salehzadeh等人，2015年）、钢铁行业（Shahin等人，2017年）、产品和设施设计（Karakurt和Cebi，2025年；Li等人，2025年；J. Lin等人，2024年）、整体质量和服务质量提升（Becerra等人，2024年；Chen等人，2018年）以及3D视频（C.F. Lin等人，2021年）。该模型将目标因素分为“吸引力”、“单一维度”、“必备”和“无关紧要”四种质量，帮助企业更好地理解客户需求，改进并创造更具竞争力的产品或服务。这就是为什么本研究使用Kano模型对图像质量因素进行分类的原因。本研究旨在确定哪些质量因素与功能属性相关，并最终探索观众对各种3D图像因素的满意度。这为电视制造商在产品开发方面提供了宝贵的见解。此外，传统的Kano模型可以通过Kano回归方法进行定量扩展，这种方法不需要配对的功能和非功能问题。相反，客户满意度可以直接作为性能水平的函数进行建模，从而推断属性性能与满意度之间的非对称相关性（Chen，2012年；Lin等人，2017年）。因此，我们同时应用了Kano双向问卷和回归分析，这种组合可以从定性和定量维度来考察用户评价。
以往的研究已经探讨了影响图像质量的因素，如亮度和对比度（Kuo等人，2007年；Lin和Kuo，2011年；Lin和Jin，2019年）、色域（Kuo等人，2007年；Lin和Jin，2019年）、清晰度（Kuo等人，2007年；Rajae-Joordens和Heynderickx，2004年）以及观看角度（Kuo等人，2007年；Lin和Jin，2019年）。本研究进一步从用户的角度考虑了观看3D图像时的功能属性。通过因子分析、Kano双向问卷和基于Kano模型的回归分析这三种方法，本研究同时对图像质量因素和功能属性进行了分类，提供了更全面的分类。本研究提出了一种综合的方法论，系统地识别和分类驱动用户满意度的3D显示器的图像质量因素和功能属性，为社会做出了贡献。本研究分为四个部分。首先，通过文献回顾收集了影响3D图像质量和功能属性的因素。然后，通过因子分析对这些因素进行分类，以确定主要因素。接着，使用Kano双向问卷和回归分析将主要因素分类为不同的Kano质量属性。最后，用相同的方法将3D图像质量因素和功能属性从主要因素分类为Kano质量属性。
