图像质量是衡量图像处理算法性能好坏以及优化系统参数的重要依据,因此在图像采集、编码、传输等领域构建有效的图像质量评价方法具有重要意义。近年来,随着图像处理技术的快速发展,图像质量评价受到国内外学者和企业界的广泛关注,涌现出众多的图像质量评价算法,典型模型有基于人类视觉系统的质量评价模型和基于结构相似度的质量评价模型等。当前联合视频组已经将基于结构相似度的质量评价算法作为图像质量评价的重要指标,引入到新一代视频压缩编码标准H.264的校验模型中。图像质量评价分为主观和客观两种评价方法。其中,主观评价方法需要对多个测试图像进行多次反复实验,耗时长,成本高,可操作性差。而客观评价方法则具有低成本、操作简单和易于嵌入实现等优点,成为当前图像质量评价领域研究的重点。近年来基于人类视觉系统模型,提出了相关图像质量评价方法。结构相似方法主要基于光照与物体结构二者之间的独立性,将亮度和对比度从图像的结构信息中分离开来,结合图像的结构信息对其进行质量评价。该方法在一定程度上避开了图像内容的复杂性及多通道等问题,试图从整体上模拟人类视觉系统在抽取对象结构方面所表现出来的视觉功能与特性,且算法相对简单,便于嵌入实现。结构相似算法虽然能客观反映图像结构信息的变化,但是仍存在如下不足：首先,该算法仅关注图像的结构信息,而忽略了人类视觉系统的底层视觉特性,导致其在质量评价时有时与差分主观分数不一致：其次,该算法建模过程简单,没有模拟人类视觉系统的高层视觉特性,从而在评价失真严重的模糊图像时难以得到令人满意的效果。针对上述问题,本文在结构相似度质量评价模型的基础上,改进了一种基于视觉感知梯度的结构相似度图像质量评价模型(MG_SSIM)。主要研究工作和特色如下：1)SSIM算法将重点放在图像结构信息的变化上,没有考虑人类视觉系统的相关特性,导致有时评价不太准确。所以,在SSIM算法基础之上,利用图像的误差可视性和内容可视性,对HVS的底层视觉特性进行建模,构造视觉感知函数,使评价效果更好的主观感受保持一致；2) SSIM算法是通过图像像素之间的从属关系来表征图像的结构信息,评价效果有时候与DMOS不一致。各向同性索贝尔算子的位置加权系数更加准确,在不同方向上检测边沿时,各向同性索贝尔算子梯度的幅度表现得更加一致,表征梯度的效果较好。所以,本文利用梯度图对结构分量重新定义,代替原SSIM中的对比度分量和结构分量,构造基于梯度的结构相似度模型,使评价效果更加准确。3)利用误差可视性和内容可视性构造视觉感知函数,作为权值应用到相似度函数中,并利用各向同性索贝尔算子对图像的结构分量重新定义,在此基础上,将二者综合构造新的结构相似度函数MG_SSIM。4)本文利用PSNR、SSIM、MG_SSIM三种算法,对LIVE图像库中五种失真类型的图像分别做实验,将本文提出的算法MG_SSIM的实验效果与其余两种算法相比较,实验结果表明,MG_SSIM模型比SSIM、PSNR更符合人眼的视觉特性,能更好的与DMOS保持一致,对受损严重的模糊图像的评价也较SSIM、 PSNR准确。