在信息大爆炸的当前时代,数字图像成为传播信息的主要载体,人类的社会生活会产生大量的图像数据,高质量清晰的图像为人们的社会生活带来很多便利。然而受限于目前的信息技术发展水平,图像在生成、传播和存储等多步处理的过程中会引入各种噪声,造成图像质量的衰减,这直接影响到人对图像信息的获取。怎样在算法层面衡量这种衰减具有重大的现实意义,客观图像质量评价领域的研究正是这个问题的解决方案。特别是限制条件最少的无参考图像质量评价算法,在图像压缩、视频监控以及航拍无人机成像系统等领域应用很广泛。为解决无参考图像质量评价算法的准确率、效率以及鲁棒性问题,本文结合人眼视觉感知机理,相继提出三种无参考图像质量评价算法。首先,从认知神经学关于自然图像拥有稀疏结构这一研究理论出发,使用字典学习的方式建立图像特征空间的字典集来表征图像的视觉内容,并使用稀疏表达的方式将图像信息投影到图像特征空间字典集上完成图像质量值的预测,提出基于多级字典集的无参考图像质量评价方法,将其用在机载成像系统的图像质量评估中;其次,从人类视觉系统视皮层方位选择性机理出发,在空域中设计新的图像局部区域结构描述子,使用该结构描述子提取图像的局部视觉模式,然后使用字典学习的方法基于大量的视觉模式建立模式字典,并提取图像的特征向量,使用该特征向量捕获不同类型噪声引起的图像质量衰减,提出基于视皮层方位选择性机理的无参考图像质量评价方法,将其集成在嵌入式开发板中,开发出一套便携式实时的客观图像质量评价系统;最后,从香农信息论出发,使用信息熵来衡量污染图像中信息量的衰减程度,结合视皮层局部感受野通过提取图像的亮度、方向和梯度信息来感知图像内容这一机理,通过分析这三类图像特征的联合信息熵、联合概率分布、条件概率分布以及边缘概率分布提取出图像的特征向量,并以此建立回归模型,提出基于多类特征信息量衰减的无参考图像质量评价方法,可以将该算法用在视频流质量评价系统中。