在现代化生活中,随着图像处理技术的快速扩展,处理和压缩等技术逐渐变高,人们对数字多媒体技术的需要也逐渐增多,怎样量化的衡量这些图像处理技术的性能成为图像领域里新的研究方向。图像质量是对比各种图像优化系统参数和图像处理算法性能好坏的重要指标,因此在网络传输、编码压缩、图像采集、视频监控、视频会议等领域建立规范的图像质量评价体制具有非常重要的价值。图像质量评价可以分为客观质量评价和主观质量评价,主观评价虽然是最可靠的方法,但是因为其具有很多的局限性,使得出现了客观质量评价方法并且能够快速发展,客观评价方法可以分为全参考,半参考和无参考三类。本论文着重研究了基于结构相似度的图像质量评价方法。首先,分析了原始的基于结构相似度方法,它是自顶向下的过程,模拟了HVS的整体功能,但是SSIM是线性建模,用其表示HVS感知结构信息这一复杂过程有一定的难度,在评价高斯模糊、白噪声等失真类型的图像时结果与人类视觉特性不符。本文提出了基于加权多尺度结构相似度的WMSSSIM算法,它利用低通滤波对图像进行了多层分解,能更加准确的模拟人眼视觉系统的感知特性,并且能够包含更多的客观条件,具有更好的评价结果。通过使用LIVE2图像数据库中5种失真类型的982幅图像作为实验素材,证实了WMSSSIM方法比原始的SSIM方法更为精确有效。另外,本文研究了无参考图像质量评价方法,着重于针对图像模糊这一特有的失真类型进行有效的质量评价,介绍了一种基于模糊感知度的无参考评价方法。由于图像模糊度越高,表现在像素级上即像素之间的过渡越缓慢,相邻像素间的差值越小。因此基于模糊度感知的评价方法的基本思想就是先模糊处理原始待评测图像,然后分析相邻像素差值的变化特征。实验证明,该方法相比于早期的几种经典模糊度评价方法:平均梯度、方差、熵值等性能更优。本文在该算法的基础上,提出了基于二次差分矩阵的模糊度评价算法,该方法是指计算第一次差分矩阵的差分矩阵,得到二次差分矩阵,然后再在二次差分矩阵值变化的基础上得到图像评价结果。通过使用LIVE2图像库中的174幅高斯模糊图像进行实验,结果证明了改进算法相对于原始的基于感知的模糊图像客观评价方法具有更好的精确性、单调性和一致性。