水下图像作为水下信息的重要承载者,对水下世界的探索和开发有着重要意义。由于光照条件的限制以及水对光的选择性吸收和散射,导致水下图像通常出现模糊、细节丢失、低对比度、非均匀光照、色彩不均衡、噪声等质量退化问题。这不仅影响了对水下图像内容的理解,更大大降低了其在实际应用中的准确性。因此,如何有效地评估水下图像质量,对水下图像增强和复原以及水下目标检测与识别等后续工作具有重要指导意义。基于此,本文从水下成像特点和人类视觉系统的角度出发,重点开展对水下图像质量评价的研究,具体研究内容如下:（1）提出了一种新的与主观感知密切相关的水下图像无参考质量评价方法——基于HVS的水下图像质量评价CCS。在充分考虑水下成像特性以及人类视觉系统（Human Visual System,HVS）易受色彩、对比度和边缘结构等视觉特性变化的影响。CCS选择与视觉感知相关性高的色度、基于人类大脑视觉皮层的对比度、和反映图像信息丰富程度的清晰度特征构成水下图像质量评价模型。此外,由于水下图像主观质量数据库的缺少,我们建立了一个小型水下图像主观质量数据集,来进一步验证CCS算法的性能。实验结果表明,CCS算法与人类视觉感知具有高度一致性,能有效、准确地评估水下图像的质量。（2）设计了一种新的面向水下图像的无参考质量评价方法——基于SVR的水下图像质量评价CSN。由于水介质的物理特性、水下图像色彩真实性的不确定性、以及深层特征的提取对图像分割、识别等图像分析应用的重要性,CSN从对比度、清晰度、和自然性三个方面提取了28维特征。此外,考虑到人类视觉系统是个非线性的复杂成像系统,CSN利用支持向量机回归器（Support Vector Regression,SVR）将以上特征映射成水下图像质量分数,得到质量评估模型。实验结果表明,CSN算法不仅有较好的主观感知一致性,能有效评估不同水下图像清晰化算法的性能,而且算法时间复杂度较低,为实时任务应用提供可能性。