图像既反映物体的客观存在，又体现人的心理因素，是对客观存在物体的一种相似性的生动模仿或描述。由于图像所承载的信息比其他形式信息更丰富，因此图像重要性可见一斑，如何准确地进行图像质量评价具有重要的意义。人们希望找到逼近主观评价结果的客观评价方法作为评价图像质量和设计、改进图像系统的依据。本文分别针对不同的图像进行分析，因为不同图像中对图像质量造成影响的图像特征不一样。在此基础上，本文基于灰度图像、彩色图像和立体图像进行分析，分别提出了影响不同图像的不同特征，并采用不同的图像质量评价方法，分析研究评价结果。本文第三章针对灰度图像进行分析，提取了影响灰度图像质量的9种特征信息，针对每一种特征信息，利用欧氏距离衡量失真图像与原始图像之间的相似性。为了降低计算维数，采用主成分分析法（Principal Component Analysis，PCA），从9种图像特征中提取出了三种包含信息量大的、有意义的主成分，分析了三种主成分与主观平均意见分数法（Mean Opinion Of Score，MOS）之间的皮尔逊（Pearson）和斯皮尔曼（Spearman）相关系数。再利用多元线性回归，分析拟合得到图像的线性回归结果与MOS值之间的相关系数。实验证明基于主成分分析的图像质量评价方法对于灰度图像质量有良好的评价作用。本文第四章针对彩色图像进行分析，提取了影响彩色图像质量的12种特征信息。首先对所有彩色测试图像进行分析。针对每一种特征信息，分别利用欧氏距离、曼哈顿距离、Canberra距离、Chebyshev距离衡量失真图像与原始图像之间的相似性。采用主成分分析的方法，从12种图像特征中提取出了4种主成分，分析了4种主成分与对应MOS值之间的皮尔逊和斯皮尔曼相关系数。再利用多元线性回归，分析拟合得到图像的线性回归结果与MOS值之间的相关系数。分析哪种颜色空间集中表现最好，对失真图像较敏感。接着分别针对噪声失真图像和压缩失真图像做类似的处理。综合分析实验数据，得到哪个颜色空间对于哪种失真最敏感，对于哪种距离的集中表现最好。本文第五章针对立体图像进行分析，提取了影响立体图像质量的16种特征信息。本文是针对单目立体图像进行分析，分析了立体图像中的左眼图。针对每一幅左眼图，计算得到每一种特征信息的平均值。从16种特征信息中选取了3种主成分，分析了3种主成分与对应MOS值之间的皮尔逊和斯皮尔曼相关系数。再利用多元线性回归，分析拟合得到图像的线性回归结果与MOS值之间的相关系数。