虚拟现实的兴起,为用户提供了不同以往的视觉新体验,全景图像/视频作为虚拟现实技术的重要组成部分已成为图像处理领域研究热点。但随着虚拟现实技术的不断发展与普及,用户对获得高质量的沉浸式视觉体验的需求也日益增长。然而,在拼接、投影、压缩、传输、存储等过程中不可避免会给全景图像与视频质量带来损伤,因此,全景图像和视频质量评价研究工作至关重要。本文对全景图像/视频的质量评价进行了研究,做了以下工作:首先,提出了一种基于相位一致性的全参考全景图像质量评价算法,该算法首先将平面图像进行全景加权,使得平面上的特征能准确反映球面空间质量畸变。然后采用相位一致性互信息的相似度获取参考图像和失真图像的结构相似度,接着利用相位一致性局部熵的相似度反映参考图像和失真图像的纹理相似度,将两部分相似度融合可得全景图像的客观质量分数。实验结果表明,提出的算法可获得与主观评分较高的一致性。然后,提出了一种基于统计相似度的全参考全景视频质量评价算法。该算法首先发现立方体投影格式的源视频帧单个平面的统计分布近似于广义高斯模型,失真会破坏这种统计规律,然后通过全景权重修正失真视频帧使其符合广义高斯分布。在此基础上,用参考视频和失真视频之间的统计分布描述参数的相似度作为全景统计相似度特征来评估失真视频质量。实验结果表明,提出的算法在全景视频、图像数据集上都优于其它主流算法。接着,提出了一个基于人脑非对称机制的无参考全景图像质量评价算法,该算法根据人脑处理视觉信息时的左右脑非对称机制,从全景图像中分别提取全景高频特征和全景低频特征。首先,采用灰度共生矩阵提取全景高频特征,然后,采用全景加权的亮度直方图表示全景低频特征。最后,应用SVR建立从特征空间到客观质量分数的预测模型。实验结果证明了融合特征所获得的性能的优越性。最后,提出了一种基于超像素的无参考全景视频质量评价算法。该算法首先将像素级的图像转为超像素图像,然后提出了基于超像素的投影格式和人眼感知的全景权重,融合权重能够将平面上的结构特征映射为反映球面失真的全景结构特征。最后,将全景结构特征作为SVR的输入获得全景视频质量分数。实验证明,提出的算法在全景视频和图像数据集上均获得优异性能,特别对不同的失真类型具有较高的鲁棒性。