在临床中获得高质量的眼底图像是准确诊断病情的先决条件，眼底图像质量评价是眼底图像在临床辅助诊断发展中的一个基础性的问题。通常图像质量评价分为两大类即主观质量评价和客观质量评价。客观质量评价法主要分为全参考法、半参考法和无参考法，由于全参考和半参考都需要获得参考图像的信息，在实际应用中有较大的障碍，所以本文采用无参考质量评价方法。本文针对引起眼底图像质量下降的两个主要因素——噪声和模糊，从眼底图像的噪声估计和清晰度评价这两方面进行质量评价。在眼底图像噪声估算中，针对分块算法中分块尺寸的选取没有统一的理论指导，本文对基于高斯波形提取的LMLSD算法的有效性和分块尺寸对该算法性能的影响进行验证。实验结果表明，该方法在眼底图像中采用5×5分块尺寸获得的估计结果精度较高。这一研究结果为基于眼底图像的噪声估计提供准确的分块的尺寸，减少眼底图像噪声估计的过程中的盲目性。对不同眼底图像进行不同方差的高斯白噪声进行叠加，并利用LMLSD算法和基于高斯波形提取的LMLSD算法采用不同分块尺寸对噪声眼底图像进行噪声估计，并对上述结果进行验证，证明其具有有效性。并且采用另外两种噪声估计算法：小波HH子带系数均值和HH子带小波系数中值公式对污染图像进行估计，最终结果表明：基于高斯波形提取的LMLSD算法性能明显优于其他三种算法，故而认为该算法较适合于此种类型眼底图像的噪声估计。在眼底图像质量清晰度评价方面，针对传统的图像清晰度评价函数进行概述，并提出了基于图像边缘度的眼底图像清晰度评价函数，对常用的边缘检测算子在眼底图像中的应用效果进行试验，最终结果表明Roberts边缘检测算子计算眼底图像边缘度效果最好。当图像清晰时，表示在该图像的某些区域中灰度值变化明显，对比度大，频域中表现为高频特征频率分量比较丰富，所以采用小波分解系数和图像边缘度构建图像特征向量，并设计线性图像清晰度分类器。采用Fisher判定准则确定分类器的最优投影方向和分界阈值点，对眼底图像清晰与模糊进行判别，最终正确判定率达到92%，最终判定结果与主观判定一致，该方法对于具有相似图像特征的图像清晰度判决具有一定地借鉴意义。