随着计算机与数字多媒体的迅速发展，图像的场景理解与质量评价迅速成为迫切需要解决的问题。本文的工作主要分为两大类：图像场景分类算法研究与图像质量评价算法研究。本文首先从场景图像中提取传统的特征描述子，并使用ScSPM方法来对所提取出来的特征进行编码，以减小特征之间的重复性，提高分类准确率。本文提出了组合贝叶斯网络分类模型，组合贝叶斯网络是在贝叶斯网络与随机森林算法的基础上提出的一种分类算法。经过大量实验验证，组合贝叶斯网络继承了贝叶斯网络与随机森林的优点。组合贝叶斯网络方法能快速的对数据集进行分类，并且拥有贝叶斯网络的特征之间关系的可视化的优点，保持了贝叶斯网络概率模型。同时组合贝叶斯网络又具有随机森林算法的不过拟合的特性，并且能够通过分析得到数据集内部的变量之间的重要性排名。使用本文提出的组合贝叶斯网络算法能够快速准确得到场景的分类结果。在场景分类的基础上，本文提出了一种评价图像质量的方法。通过场景分类，可以得到图像的内容，从而针对不同的图像内容使用不同的目标区域提取的方案。本文根据图像的色彩与结构特点提出了新的全局特征和局部特征来评价图像质量，并且这些特征有较高的准确率。通过在大量数据集上所做的大量实验可以显示出目标区域提取方法和所提出的特征在不同种类的图像中都能够取得理想的分类效果。