随着数字图像和视频越来越广泛地深入到人们的生活中,人们对图像质量的要求也越来越高。图像处理技术的每一个环节都不可避免地带来不同程度的失真,降低图像质量。因此,快速、准确地评价图像质量就显得越来越重要。图像质量评价方法分为主观评价方法和客观评价方法,主观评价方法与主观感知相符,但耗时多、费用高,可重复性差。相对于主观评价方法,客观评价方法具有操作简单、成本低、易于嵌入等优点,已经成为图像质量评价的研究重点。为了获得与主观感知相吻合、快速有效的图像质量客观评价方法,本论文提出了一种基于各维特征显著性加权融合的视觉注意计算模型,并在全参考客观图像质量评价方法中引入选择性视觉注意机制的指导作用,提升主、客观评价结果的一致性。论文主要工作如下：现有的自底向上视觉注意计算模型对各维底层特征显著性通常进行均值或求和处理,计算图像的最终视觉显著图。然而,不同的特征具有不同的物理意义,引起的视觉关注度未必相同。本文提出一种基于各维特征显著性加权的融合策略,定量描述人眼的选择性视觉注意机制。基于该策略,算法首先计算各维特征显著性对图像的最终视觉显著图的贡献力,然后对具有明显贡献力的特征显著性加权融合,计算最终的视觉显著图。基于开源的CIM眼动数据集和人工标注Achanta数据集的实验结果表明,本文所提的显著性模型具有明显优势,能有效抑制杂乱目标、凸显轮廓、降低误判率,更加符合人眼视觉特性。不同图像区域的视觉重要性并不一样,图像的显著区域的质量对整体图像质量起着至关重要的作用。为了体现人眼的主动视觉在图像质量感知时的引导作用,本文提出一种融合了视觉显著性图谱和图像失真图谱的灰度图像质量评价方法。算法采用图像的梯度图和显著图的相似性函数计算图像的结构失真,并基于视觉显著性对图像的结构失真指数进行加权,对于不同关注度的图像区域,赋以不一样的权重,得到最终的图像质量。开源LIVE数据集的评测结果表明,本文所提的灰度图像质量评价方法具有较好的精确度和较低的计算成本,与人眼的主观评价结果更吻合。评测结果也表明,本文所提的灰度图像质量评价算法在快衰减失真类型和高斯模糊失真类型图像的评价性能具有显著优势,但在JPEG2000压缩失真类型图像的质量评价上没有明显的优势。在所提的灰度图像质量评价方法基础上,基于人眼感知过程中颜色视觉特性,本文提出了一种考虑失真过程颜色信息丢失的彩色图像质量评价方法。算法采用YUV均匀颜色空间,通过综合明度、色度、梯度图的相似性函数计算彩色图像的结构失真,并基于像素点的视觉显著性加权图像的结构失真指数,计算最终的图像质量。开源LIVE数据集的评测结果表明,本文所提的彩色图像质量评价方法虽然性能略逊于当前性能最好的FSIMc算法,但计算复杂度显著降低。评测结果也表明,本文所提的彩色图像质量评价方法在快衰减失真图像和白噪声失真图像的质量评价性能突出,但在JPEG2000压缩失真类型图像的质量评价上没有明显的优势。同时,LIVE和TID2013数据集的实验结果也验证了视觉显著区域的显示质量对整体图像质量的影响。实验结果表明,采用视觉显著性模型加权后各个算法的评价性能均有所改善,尤其是在快衰减失真图像和白噪声失真图像,基于像素点显著性加权后,算法的性能显著提高。