客观视频质量评价方法旨在利用HVS中存在的各种视觉特性,构建客观的数学模型评价视频质量,尽可能的实现与视频主观质量评价结果最大程度的线性拟合效果的目的。本文提出的基于视觉感知特性的客观全参考视频质量评价方法是基于视觉阈值模型和视觉关注度的特性进行建模和求解的,主要的研究成果有:(1)恰可察觉失真(Just Noticeable Distortion,JND)在人类视觉系统(Human Visual System,HVS)中发挥着不可替代的作用,通过分析、研究JND特性,本文提出了一种基于像素域计算时-空JND模型的新方法。所提出的方法基于奇异值分解(Singular Value Decomposition,SVD),将图像中的有用信息和噪声分开求解JND值。使用亮度对比度和纹理掩蔽效应计算有用易感知部分的空间JND值;根据运动信息推导出易感知信息区域时间域的JND模型。结合空间域JND和时间域JND得到有用信息部分JND模型;图像中噪声部分结构简单,信息较少,通过权重参数求得噪声部分JND值。通过融合噪声和易感知区域部分的JND值得到最终的全局JND值。实验结果证实了所提出的时-空JND模型性能,对比其他视频JND提取算法,同等条件下容噪能力提升2dB左右。可以应用于视频质量评估或视频编码等诸多视频处理领域。(2)提出了将视觉系统中的视觉关注度特性与阈值模型相融合的全参考视频质量评价模型。通过(1)提出的求解视频JND阈值的方法,判断视频帧中失真情况;利用视觉关注特性动态调整利用全局JND模型求解视频质量评价结果的精确性,同时也更加贴合HVS系统的视觉感知过程。视觉关注度特性具体表现为求解视频显著度,并且将显著度值当作一个权重参数,应用于经过JND判断后的视频质量评价求解中,旨在局部和动态调整求解精确度和更加贴合主观评价过程。客观评价结果与主观质量评价结果进行线性拟合的实验结果表明本文提出的视频质量评价方法对比峰值信噪比(Peak Signal to Noise Ratio,PSNR)等前人方法性能有较大提升,基本可以满足对于视频质量评价的需求。