随着信息通讯行业与多媒体网络的发展,立体视觉技术被广泛应用于影视、医疗、军事、航测遥感等领域并占据着至关重要的地位。随着应用的深入,各领域对立体图像质量的要求也在不断提高。然而在环境因素和硬件条件影响下,这些立体图像会不可避免地遭受各种类型的噪声,造成图像质量下降,无法满足其后续应用的需求。因此,为了衡量立体图像质量好坏,为生产应用和学术研究提供客观的质量评价指标与依据,研究高效、准确的客观立体图像质量评价算法尤为重要。客观评价模型分为全参考、半参考以及无参考三种类型,由于前两者均依赖于原始图像信息,而实际场景中参考量具有局限性,所以目前SIQA算法研究方向主要集中于无参考评价领域。针对无参考客观评价模型,本研究内容包含以下两个方面:（1）提出了一种基于单双目视觉特征融合的无参考立体图像质量评价算法。该算法将多种图像内容特征相结合,包括传统手工提取的颜色、纹理、边缘等视觉特征,以及卷积神经网络模型自动学习的深层视觉特征。通过将两种特征进行整合,使得单目视图能够被提取出更加丰富的组合特征向量。与此同时,算法考虑了立体图像与平面图像的差异性,以视差图像的双目感知特征作为评价模型的深度信息,并与单目视图特征融合,最终由全连接层实现失真图像质量分数的回归预测。在LIVE 3D-IQA数据库上的实验结果表明,所提算法预测性能与人眼主观感知一致性较高。（2）提出了一种基于交互式卷积神经网络的无参考立体图像质量评价算法。该算法受人类视觉感知路线启发,首先依据双目求和通道以及差分通道理论,将左、右视图合成为双目图像,并经过浅层CNN模型提取出低级视觉特征整合为初级视觉皮层的输出信号;然后模拟HVS视觉通路设计了双流深层CNN结构,并额外添加了交互连接方式,以表征高级视觉皮层对图像信号深度特征感知的复杂过程。实验结果表明,与一些主流的SIQA算法相比,所提算法的整体性能及单一失真类型的评价性能都有较好的表现,能够作为一个通用高效的NR-SIQA算法。