随着立体成像技术的日益流行,3D高清影像产业不断发展,人们对于图像清晰度及视觉效果的要求越来越高。但是在3D图像的获取、传输、恢复和存储的过程中,会引入不同类型和程度的失真,从而造成立体图像质量下降,给人们理解和利用图像信息带来影响。因此立体图像质量评价的研究变得越来越重要,立体图像质量评价也是评价立体成像系统性能的一种有效方法。与2D图像相比,3D图像的每个视图不仅遭受2D图像会产生的单目失真,还存在对称或非对称的单目失真,包括双目混淆、深度感知误差,视觉不适等,这些失真又称为双目失真。所以,立体图像质量评价方法不仅要考虑立体图像左右视图的单目失真,还要考虑其双目的立体感知特性:深度、视差等。本文主要研究立体视觉特性在客观立体图像质量评价领域的应用,并给出了两种从立体感知方面考虑的无参考立体图像质量评价方法。首先,根据人眼视觉特性,提出一种基于多元特征的立体图像质量评价方法:选取视差、显著性、边缘这些能够表征立体图像质量的特征,提取特征并形成特征图,构建一个三通道的卷积神经网络对特征图进行训练,实现图像特征到质量分数的映射,从而预测立体图像的质量分数。其次,为了进一步提高模型的性能,提出一种结合VGG-16与立体图像深度显著性特征的无参考立体图像质量评价方法。该方法改进显著性检测模型SDSP（Saliency detection by combinning simple priors,SDSP）并通过小波变换融合立体图像的深度特征,得到深度显著性特征;改进卷积神经网络VGG-16,以提高算法的运行速度;将深度显著性特征、对比度特征以及亮度系数归一化特征作为网络的输入,通过训练得到回归模型,预测立体图像的质量分数。最后在LIVE 3D IQA Phase I、LIVE 3D IQA Phase II和NBU 3D IQA数据库中分别对本文提出的两种算法进行验证及分析。实验结果表明模型预测的立体图像质量分数符合人类主观感知,且具有较好的适用性和鲁棒性。