近年来,图像质量评价已成为图像处理和计算机视觉领域的一个研究热点。由于无参考图像质量评价算法不需要参考原始图像信息,在实际中适用范围更广,已成为图像质量评价领域的主要研究方向。大多数传统的无参考质量评价算法在评价彩色图像质量时,首先将彩色图像转换为灰度图像或转换为某一颜色空间来提取图像信息,然后将图像各通道的质量评价得分均值作为彩色图像最终质量评价分数,这不仅没有充分提取出彩色图像信息,也没有考虑到人眼对图像不同区域关注程度的差异,导致算法在评价彩色图像质量时主客观一致性较差。因此,探究彩色图像的特征提取和人眼视觉感知对彩色图像质量评价的影响是十分必要的。本文的主要研究工作和贡献如下:（1）针对当前算法在评价彩色图像质量时并未充分提取彩色图像特征的问题,提出一种包含不同颜色空间输入的模型,从彩色图像的不同颜色空间提取图像信息,分析研究不同颜色空间的图像信息对图像质量评价的影响。实验证明,将彩色图像在不同颜色空间中提取到的图像特征进行融合,可使模型获取更丰富的彩色信息。考虑到图像不同尺度的特征可以描述图像中不同层次的信息,提出一种多尺度模型,通过在模型中增加不同卷积层数的支路,以提取出不同尺度的图像特征。实验表明,提取不同尺度的图像特征能够有效提高算法预测图像质量的准确性,为之后提出的基于深度学习的彩色图像质量评价方法提供理论支持。（2）针对当前图像质量评价算法无法很好模拟人眼视觉感知特性的问题,提出一种基于视觉注意力机制的彩色图像质量评价模型。将彩色图像中不同颜色空间提取到的特征同时输入模型中,在模型中融合多尺度模块,以提取图像不同尺度的特征。根据人眼对图像不同区域感知程度的差异,在模型中引入视觉注意力机制,从而实现在计算图像最终质量分数时,为图像中不同区域的局部质量分数分配不同的权重。该评价模型模拟了人眼视觉感知系统对彩色图像进行观察的过程。实验表明,本文提出的图像质量评价算法与人眼主观评价具有一致性。