随着人类对信息传递准确性的要求越来越高,图像作为传递信息较为丰富有效的载体,已经成为我们生活中必不可少的元素。不论是数字图像还是印刷图像,在其传播和再现的过程中,都会由于各种影响因素使图像质量发生失真,无法达到图像再现中“所见即所得”的目标,因此,一幅图像是否满足我们的视觉需求并较好的完成从原图像到目标载体上的再现,则需要一个好的图像质量评价方法来进行评判和指导。鉴于主观评价方法的局限性,开发性能良好的客观评价方法就成为了一个非常重要的研究课题。　　人眼在观察图像时往往会对图像的一个或几个区域比较感兴趣,而相较于背景区域,人眼对感兴趣区域感受到的失真程度会比较大,但传统的PSNR客观评价方法并没有考虑到图像内容对人眼感受失真程度的影响,只是简单的将像素误差相加求平均,本论文针对此缺点,提出了基于人眼感兴趣区域的图像质量客观评价方法LFGPSNR。本论文主要完成的工作有:1)通过心理物理学实验,建立了基于人眼感兴趣区域的XROIEF数据库,数据库包括原图、热点图、注视图、集簇图等各55幅及其相关的数据信息等;2)在基于图的显著性检测( GBVS)模型的基础上,将基于图像内容位置信息的显著性检洌模型以及人脸区域检测模型融入计算,对GBVS模型进行改进。对包含不同内容的图像(人物图像、动物图像、风景图像、静物图像)设置不同的影响参数,从而得到针对不同内容图像的视觉选择注意模型LFGBVM;3)结合本论文所建的LFGBVM视觉选择注意模型,考虑人眼视觉特性,对PSNR客观评价模型进行改进,得到针对不同内容图像的LFGPSNR客观评价模型。最后以主观评价分值MOS为基础,利用一致性评价指标Pearson系数对所建模型进行评价。　　通过研究结果可知:相对于经典的MSE、PSNR和SSIM质量评价模型,本论文所建的LFGPSNR客观评价模型对人物图像、风景图像和静物图像失真程度的评价结果与主观评价分值MOS有着更好的一致性,能够更好的模拟人眼主观评价的结果,符合人眼的主观感受。