图像质量评价已成为图像信息工程重要的研究课题之一。主观评价方法费时费力,难以运用到实时系统中；传统的客观评价方法,如峰值信噪比和均方误差,虽然计算简便,但很多情况下其结果与主观感知一致性很差。结构相似理论是一种关于质量评价的新思想,与自底向上模拟人类视觉系统(HVS)低阶组成结构思路不同,它是自顶向下地模拟HVS特性的整体功能,即HVS从视觉场景中提取结构信息的主要功能。结构相似算法(SSIM)特点是易于实现,避免了一些自底向上方法存在的问题,且与之前的方法比较更加接近人的主观感受。尽管SSM方法较其他方法具优越性,但也存在不足。本文针对SSIM对于模糊失真评价不够准确的情况,提出了一种新的评价算法即在SSIM当中加入梯度信息作为一个新的分量。人眼对图像的边缘及纹理信息极其敏感,而梯度可以很好地反映图像的边缘及纹理信息。此算法对模糊失真评价准确性较好,且对其他失真类型的图像评价效果也有所提高,评价结果与人的主观感知有更好的一致性。对于SSIM原始算法中分量权值单一固定的情况,本文结合了多元线性回归分析与SSIM算法,利用回归分析对SSIM算法中的分量进行权值调整,其中能够看出各分量在对失真图像进行质量评价时不同等的贡献,同时提高了SSIM算法对不同失真类型图像质量评价的准确性,还有在不同情况下选择相应模型对图像质量进行预测,增加了算法的自适应性能。通过LIVE图像数据库的大量实验结果证实,本文提出的改进后的结构相似算法在非线性回归后相关系数、斯皮尔曼相关系数、线外率等指标均优于传统评价方法,并较现有改进的SSIM算法也有很大程度的提高,有效地提高了图像客观评价结果的主客观一致性。