随着3D技术的快速发展,3D电影和电视在日常生活中越来越重要,并吸引着全球关注。但是在3D图像的获取、传输和存储过程中,会引入不同程度和类型的失真,造成立体图像内容失真,影响人眼的观看质量。而且与二维图像相比,立体图像的左右视图间存在一定的视差,可以为人眼提供额外的深度信息,给观看者身临其境的视觉体验,但是过大的视差,会给观看者带来头晕目眩等不舒适感。因此,立体图像的质量评价比二维图像更具有挑战性。本文主要从以下两个方面对立体图像质量的评价方法进行了研究。针对目前无参考立体图像质量评估算法对立体图像质量预测准确性不足的问题,本文提出一种结合双目视觉特性和深度感知的无参考立体图像质量评价方法。该方法首先通过左右视图的结构相似度和有用信息量比较,判别不同的双目行为,并构造相应的独眼图来模拟双目视觉机制。然后,在空间域上提取立体图像的单目和双目特征。另外,本文提出能够度量立体图像深度质量的加权视差图和纵向相关系数图并提取深度感知特征。最后,利用基于支持向量回归的自适应增强算法,构建从特征域到质量分数域的映射关系模型,并在四个公开的立体图像数据库上评估该算法的性能,证实了所提模型预测性能与人眼主观感知一致性较高。为了进一步提高立体图像质量评价模型的性能,提出一种结合空间域和变换域提取质量感知特征的立体图像质量评价模型,该模型同时在空间域和变换域提取图像的自然场景统计特征。除此之外,考虑到失真并不会均匀地分布在整幅图像上,为了更加有效地模拟双目视觉机制,首先将左右视图分块,然后分块判别并构建模拟左右视图在大脑中融合过程中的双目组合模型,并在变换域提取双目特征。最后,利用基于支持向量回归的自适应增强算法,训练从特征域到质量分数域的立体图像质量评价模型。在四个公开的立体图像数据库上与一些主流的立体图像质量评价算法进行对比,证实了所提算法的优越性。