近年来,随着自由视角和多视角视频的大量应用,视角合成技术受到越来越广泛的关注。在视角合成技术中,纹理图像在深度图像的指导下被渲染生成新的视角图像,因此深度图像的质量对于生成高质量的新视角图像至关重要。纹理图像和渲染过程的质量对于合成新视角图像好坏的影响已受到较为广泛的研究,然而深度图像质量对新视角图像合成质量影响的研究却很少。现有的自然图像质量评价算法并不能准确地评价深度图像的质量,因此必须提出有效的深度图像质量评价方法。针对以上问题,本文提出了基于边缘块结构相似性的深度图像质量评价算法与基于自然场景统计的深度图像质量评价算法,主要工作和创新点如下:一、提出了一种基于边缘块结构相似性的半参考型深度图像质量评价算法。针对深度图像的失真特点,首先对其进行不重叠分块处理,根据边缘占图像块的比例判断是否为边缘块;再将深度图像边缘块的深度值和梯度相似性结果的加权平均分数值作为此深度图像边缘块的质量分数,最后将所有边缘块质量分数的平均值作为整个深度图像的质量分数。在MCL-3D数据库上的实验结果表明,所提出的深度图像质量评价方法能够有效评价深度图像质量,性能优于现有算法。二、提出了一种基于深度图像多尺度边缘轮廓自然场景统计的无参考型深度图像质量评价算法。首先利用Canny滤波器对深度图像进行边缘检测,提取深度图像的边缘轮廓作为候选失真区域。然后,在深度图像多尺度空间内对边缘轮廓分别提取梯度幅值和高斯-拉普拉斯特征统计并作为一阶和二阶统计特征。然后用韦伯分布和非对称高斯分布分别拟合一阶和二阶统计特征的直方图统计,将两个分布的参数作为最终的特征。最后,将提取到的特征集合输入随机森林回归模型生成深度图像质量评价模型。在两个图像/视频库上测试得到的大量实验结果表明,所提出的算法性能优于现有的相关质量评价算法。此外,本算法在泛化能力方面也有着良好的表现。