图像质量评价在图像处理等相关领域中起着重要的作用。在图像压缩、通信、存储、增强以及图像水印等应用中都会涉及到图像质量的评价问题,其评价指标可以作为一种准则或测度用来校准处理系统,或者用于算法优化及参数优选。图像作为客观处理对象,最终是为人所观看和评价的,故而其质量最准确的评价方法是主观评价。但是主观方法在应用中存在诸多问题,因此人们迫切需要设计客观的评价方法来近似反映主观感受。根据对参考图像的依赖程度由高到低,图像质量的客观评价方法依次可分为:全参考(FR, Full Reference)型、部分参考(RR, Reduced Reference)型和无参考(NR, No Reference)型三种。针对完全参考型图像质量客观评价问题,本文在现有的基于结构相似度(SSIM, Structual Similarity)的全参考型图像质量评价方法的基础上,对于其中负结构信息的不合理处进行了修正。然后融合了图像视觉降质的三种主要信息,即降质的结构信息、位置信息和数量信息,提出了一种基于内容的全参考型图像质量评价方法。实验结果表明,对于压缩图像该方法与主观评价的一致程度较基于SSIM的方法有了较大的提高。此外,针对部分参考型图像质量客观评价问题,本文首先引入了一种新的图像稀疏表示Contourlet变换。然后,在一种基于Wavelet系数统计特征的部分参考型图像质量评价方法的基础上,分析并利用了Contourlet系数的数量信息与图像视觉降质的关系,提出了一种基于Contourlet的部分参考型质量评价方法。实验结果表明,该方法在特征参数数据量很小的情况下,对于各种降质类型与主观评价的一致程都较基于Wavelet系数统计特征的方法有较大的提高。