随着智能手机和数码相机的大量普及，以及微博、微信、社交网络等传播媒介的快速发展，图像已经越来越广泛地融入并改变人类的生活方式。图像所承载的丰富知识和无尽乐趣为人们带来巨大方便的同时，也提出了极大的挑战。由于图像数据在采集、压缩、处理、传输和恢复的过程中可能会引入各种失真，这些失真会对后续的图像处理、分析和理解带来困难。因此，需要通过度量图像的视觉失真程度，来设计方法和优化系统，以最少的代价提供最好的视觉质量。图像质量评价旨在寻找准确的计算模型来预测图像视觉质量的变化。本论文针对图像质量评价的基本问题，探索人类视觉系统和数字图像信息之间的联系，在对图像进行分形分析建模的基础上，为图像处理中由未知因素造成的各种失真构建客观评价方法，以度量图像的退化程度，从而为视觉质量评价提供合理依据。主要工作概括如下：(1)在分析了图像分形维数和人眼视觉感知相关的基础上，利用Log-Gabor模拟人类视觉系统的多通道特性，采用分形分析理论来获取图像各通道的几何特征,进而利用该特征来捕捉由于失真而引起的视觉感知的变化。从而提出了图像空间规则相似度(SSRM)的部分参考型图像质量评价测度框架。实验结果表明，利用该框架所得到的客观评价结果与主观观测值之间具有很好的一致性，能准确地反映人眼对图像质量的主观感受。(2)在分形分析和相位一致性相关的基础上，利用Scharr算子对自然图像进行预处理，得到图像的方向梯度信息，进而得到各方向梯度图像的相位一致性图像，然后采用分形分析理论来获取相位一致性图像的几何特征,利用该特征来捕捉由于失真而引起的视觉感知的变化。从而提出了相位一致性规则相似度(SPCRM)的部分参考型图像质量评价测度框架。实验结果表明，利用该框架所得到的客观评价结果与主观观测值之间具有很好的一致性，能准确地反映人眼对图像质量的主观感受。(3)利用Radon变换可以将原图像转化为与之等效的、低维的、更具有几何结构信息的Radon表示形式，采用分形分析理论来获取图像投影信号的几何特征,进而利用该特征来捕捉由于失真而引起的视觉感知的变化。从而提出了一种基于Radon表示规则相似度(SRRM)的部分参考型图像质量评价测度。实验结果表明，利用该方法所得到的客观评价结果与主观观测值之间具有很好的一致性，能准确地反映人眼对图像质量的主观感受。(4)利用机器学习的方法对提取的图像特征进行聚合处理，并证明是有效的。针对现有的特征聚合技术的局限性，如简单求和，平均，闵可夫斯基的求和等，机器学习对特征聚合技术是自适应的。实验结果表明，该方法优于现有的相关方案，并在七个公开可用的数据库进行广泛的分析和交叉验证。