近年来,随着数字图像技术的不断发展,人们可以方便快捷地获取各类图像和视频等视觉信息。因此图像质量评价在图像获取、表达、存储和传递等信息处理过程中越来越重要,成为图像处理领域中不可或缺的重要环节。国内外诸多专家学者不断深入探索,对图像质量评价方法开展研究,构建了一系列图像质量评价模型,广泛应用于智能交通、安防、生物医学、军事等领域。随着应用需求的不断增加,已有的图像质量评价模型也需要进一步改进,以达到更好的性能。本文在深入研究人类视觉系统感知原理,视觉生理、心理物理学的基础上,对图像质量评价方法进行了研究,分析了几种常用图像质量评价模型的特点,对最为典型的结构相似度(Structural Similarity,SSIM)质量评价算法模型进行了比较,指出了各自的优缺点和适用范围。在此基础上,从人类视觉感知的亮度非线性、对比敏感度、视觉注意机制等特性方面考虑,用清晰度、指数平均亮度代替SSIM算法中的对比度、亮度信息,引入视觉显著性作为图像不同区域对图像质量影响程度的权重,提出了新的基于视觉显著性的图像质量评价模型(Image Quality Assessment Model,IQAM),并且在LAB色彩空间上进行了对彩色图像的质量评价。本文从准确性、单调性、一致性度量提出的图像质量评价模型与主观感知的一致性,将IQAM方法在LIVE数据库和实际应用中进行了验证。结果表明,该方法与主观视觉评价具有良好的一致性,对灰度图像和彩色图像均有效,是一种有效的图像质量评价方法。