无参考图像质量评价在图像处理任务中有着广泛的应用,它的目标就是自动预测失真图像的质量,模拟人类的视觉感知质量。在图像质量评价算法的设计过程中,需要提取出与图像质量相关的特征而屏蔽与图像内容相关的特征。深层卷积网络具有全局优化、自动设计特征提取模块的优势,而且存在很多先进的深度卷积网络训练技术,在图像质量评价问题中更具优势。在现有的用卷积神经网络进行图像质量评价的方法中,存在训练数据量不足、局部图像块的失真分数不能确定等问题。本文从这些问题出发,结合人类视觉系统的特点,提出了一系列改进的办法,取得了比原始方法更好的效果。本文考虑了局部方差与图像质量的关系,提出基于局部方差的卷积网络训练方法。用小块的局部方差和粗略考察不同小块对整个图像的质量影响程度,修改卷积神经网络训练过程中的损失函数为带权重的损失,得到更接近人眼感知的预测结果。提出基于密度估计的卷积网络训练方法。用密度估计的方法,自动找出最接近原图质量分数的小块,赋给不同小块权重,通过迭代可以更好地预测质量分数。考虑到不同的观察尺度会对图像质量产生影响,提出基于尺度和卷积网络结合的方法,实验发现,这种改进方法可以取得很好的效果。