数字图像在获取过程中经常发生各种降质情况，如何对图像的降质程度做出评价具有非常重要的意义和广阔的应用前景。目前，图像质量评价方法大多是针对特定失真类型进行评价，而图像在获取、传输及压缩过程中会受到各种失真的影响，发展能评价多种失真类型且与人的主观感知保持一致的图像质量评价方法具有一定的挑战性和实用性。 　　图像的显著性是人眼对图像的某些区域的重视程度，这些区域的降质程度对整幅图像的质量影响更大。本文针对现有质量评价方法存在的问题，提出了一种基于显著性检测的全参考图像质量评价方法，主要工作和成果包括以下几个方面：(1)在显著图提取方面，提出一种综合区域特征、全局特征和局部特征的显著图提取算法，即先对参考图像进行区域化块分割，再利用全局显著性规则进行各区域块显著性的确定，后采用反映局部特征的边缘纹理进行补充；(2)在计算图像各个局部质量方面，提出利用参考图像与降质图像获取代表降质图像局部质量的特征保真图方法；(3)在最终的图像质量评价方面，提出利用参考图像的显著图作为权值对参考图像与降质图像之间的保真图进行融合，然后利用非线性回归的方法获取受损图像的预测质量。 　　为了方便与已有显著图提取方法进行比较，本文采用salient object database中的图像作为显著图提取效果对比的实验数据，而采用美国 TEXAS 大学图像和视频工程实验室提供的第二版本的 LIVE 库中的图像作为质量评价的实验数据，结果表明，本文方法所提取的显著图具有更好的效果，且通过该显著图与保真图的融合所获得的图像质量的预测值与已有方法相比更符合人类的主观判断。