随着科学技术的迅猛发展,立体数字图像已经逐步进入人们的日常生活。然而,由于立体图像在采集、传输、及压缩等处理过程中产生的不可避免的失真及主观质量评价方法的繁杂性、高成本性等缺陷,使得设计一套机器自动评估立体图像质量且与人类主观感知具有高度一致性的系统变得刻不容缓。因此,本文将人类视觉系统、稀疏表示及图像区域划分等相结合,提出一种基于内容稀疏表示的无参考立体图像质量评价算法。首先,针对以往的冗余字典构造方法在获取固定字典方面既繁琐又片面的弊端,本文依据自编码器工作原理,提出一种基于自编码器的过完备字典设计方法。主要步骤为:先对10幅结构差异性较大的图像进行分块;然后利用自编码器对每幅图像块的最基本特征进行提取;最后对得到的最基本特征进行迭代学习,并通过裁剪所含能量较小的图像块来缩小字典规模。通过实验表明:与以往字典相比,本文所设计的过完备字典更简洁、全面,性能表现更好。其次,在分析以往的图像区域划分及边缘检测方法的基础上提出了一种基于卷积神经网络的无参考图像区域划分算法,弥补了图像区域划分领域需要原始图像的缺陷。主要步骤为:先利用卷积神经网络对不同尺度下的图像边缘进行检测;然后再结合所构建的边缘过完备字典进行融合,得到更符合人眼感知的图像边缘;最后利用低阈值下的Canny边缘检测及图像匹配的思想对图像边缘、纹理及平坦区域进行较为准确的划分。最后,为了快速评估立体图像质量,本文提出一种基于内容稀疏表示的无参考立体图像质量评价算法。主要步骤为:先利用左右图像构建反映双目竞争特性的独眼图及绝对视差图;然后再结合过完备字典及图像区域划分对不同图像各个区域进行稀疏表示;最后利用模糊深度置信网络建立回归模型对待测立体图像进行客观质量评价。通过实验表明:一方面,与其他利用稀疏表示思想的方法相比,本文算法在评判立体图像质量时准确性得到了提升;另一方面,相比于部分全参考方法,该算法评价性能也表现良好。