在图像采集、处理、传输和存储的过程中，很容易导致有些图像的降质或失真，这给人们认识客观事物、研究图像信息带来很大的困难。因此，图像质量的合理评价具有非常重要的应用价值和研究意义。而这些失真很多都是没有原始图像作参考的，因此无参考图像质量评价就显得尤为重要。根据当前的研究现状，无参考图像质量评价方法可以分为两类：基于失真类型的算法和基于机器学习类型的算法，本文分别从这两类方法对JPEG图像的无参考评价做了深入的研究。分析了基于纹理掩盖效应的可视化系数理论，发现Laws提出的算法确实在性能上有了非常大的改善，但是这个改善是以牺牲时间为代价的。针对这个问题，提出了改进的纹理掩盖效应的可视化系数——可视化系数块度量方法(VCBM)。实验证明，改进的方法与原方法相比，不仅在时间上缩短了1/3，更重要是度量结果与DMOS的拟合性得到了进一步的改善，本实验还将本方法与当前比较知名的各种块效应度量方法做对比，也得到了较好的结果。提出一种基于ε－SVR的JPEG无参考图像质量评价方法——支持向量回归客观得分(SVROS)。有效地将HVS和块度量结合，提取出亮度对比度、纹理复杂度、块效应失真和块平坦度，考虑到亮度能更好地反映块平坦度的平坦区域情况，而纹理对块效应失真的影响较大，提出利用亮度对比度对块平坦度加权，纹理复杂度对块效应失真加权，得到更符合人眼特性的综合特征值；将所得的综合特征值作为输入，采用ε－SVR进行预测得到客观评价值SVROS。实验表明，本章提出的SVROS方法具有优良的泛化能力和普适性，能够较好的模拟人类视觉特征与DMOS之间的函数关系。与其它的评价方法相比，SVROS方法所得到的图像评价结果与DMOS有较高的一致性，充分体现了人眼视觉特征在图像评价中的作用。