客观质量评估在图像与视频的各个应用领域中扮演着重要的角色。图像/视频信号在采集、压缩、存储、通信与传输等过程中,都会遭受到或多或少的失真。因此,非常有必要建立一种能客观、有效、简便地评估图像/视频的失真程度或保真度的算法平台。在实际应用过程中,客观评价指标可以作为一种准则或测度用来校准处理系统,或者用于算法优化及参数优选,也可以作为评价各算法性能的一种手段。人眼作为视觉信息的最终接收端,其对图像/视频质量的感知是最为准确的。因此,如果在客观质量评估算法中加入人眼的视觉感知特性,必将提高算法的准确性。针对全参考型图像质量客观评价问题,本文从现有的结构相似度算法出发,在像素域内融合了失真图像中误差的结构信息、位置信息和数量信息,并充分考虑人眼视觉的感知特性,提出了一种基于感知与内容的全参考型图像质量评价方法。实验结果表明,该算法的评价结果与主观分数之间的相关性有了较大的提高。同时,将该算法应用于视频质量评估,其性能要优于VQEG组织所公布的十种视频质量评价模型。针对JPEG压缩图像的无参考型客观质量评价问题,本文提出了两种基于变换域的无参考型图像质量评估算法。第一种算法是在DCT域内对图像进行质量估计,该算法只需要对JPEG压缩码流进行部分解码,通过统计量化后零系数所占的比例,联合人眼的对比度敏感函数来对压缩图像进行质量评估。该算法采取直接对压缩码流进行处理,极大的提高了算法的运算速度。第二种算法首先对解码后的图像进行Wavelet变换,然后通过在Wavelet域检测系数统计特性的变化来衡量失真图像的质量。实验结果证明,这两种基于变换域的无参考型质量评估算法的质量评价性能要优于PSNR算法的性能。同时,本文扩展了VQEG所发布的视频测试数据库。为了对目前所流行的MPEG-4与H.264标准在压缩过程中产生的失真进行评价,本文建立了一个新的视频测试数据库。所有测试视频分别采用MPEG-4与H.264算法进行压缩,并采用主观方法进行打分。该数据库的建立为进一步研究视频质量评估算法打下了良好的基础。