随着计算机、网络通信和多媒体等技术的飞速发展,与之相关的各类多媒体应用也融入用户日常的工作与生活之中,例如,桌面共享、网络会议、游戏直播、网上购物、虚拟漫游等。为了满足用户应用需求,视觉内容由传统的自然场景延伸至混合场景,即由计算机生成内容、自然场景内容和文字内容等叠加生成的内容。同时,沉浸式体验的要求使得场景视场由固定视野扩展至全景范围。为了满足实时交互应用的需求,混合场景内容需要被高效的编码压缩,以降低带宽需求和用户成本。然而,混合场景内容压缩引入的视觉质量失真会显著影响用户体验。面向压缩失真的混合场景视觉质量评价研究的开展,可以促进该类应用的推广与发展。因此,本文重点研究了在最常见的压缩失真下图像的质量评价,主要包括桌面共享等涉及的屏幕内容图像的质量评价,以及虚拟漫游等涉及的全景图像的质量评价的探索。这些图像内容都呈现出混合场景的特点,即包含摄像机采集的自然场景内容和计算机生成的场景内容。目前已有的各类图像质量评价算法繁多,但这些评价算法并不适用于这类混合场景图像的评价,因此本文针对这些问题开展研究,主要研究内容以及成果如下:(1)通过对屏幕内容图像和自然场景图像进行定性以及定量的对比分析发现,屏幕内容图像包含自然场景内容、文本内容、计算机生成内容,人眼对不同内容的敏感程度不同。此外,屏幕内容图像不遵循自然场景图像的自然场景统计特性。根据这些特点本文提出了一种基于视觉敏感结合屏幕内容图像特有统计特性的部分参考质量评价算法。实验结果表明文中提出的部分参考质量评价算法性能优于已有的部分参考质量评价算法,且能够与大多数的全参考质量评价算法相媲美。(2)为了研究屏幕内容视频对视觉注意力和质量评价的影响,文中建立了屏幕内容视频的眼动数据库。此外,还针对屏幕内容视频提出了一种无参考质量评价算法。实验结果表明,文中提出的算法性能优于已有的无参考算法。(3)随着虚拟现实的流行,这种有别于传统二维平面的立体展示方式,给质量评价带来了新的挑战。在这种环绕式360o×180o的展示情境下,用户的观看行为模式更加复杂,影响质量评价的因素更加复杂。本文对这种全景图像在压缩失真下的质量评价进行了探索,建立了一个恰可察数据库。在现有的模型的基础上进行改进,建立了一个针对全景图像压缩的恰可察视觉差的预测算法,并尝试将其用于全景图像的质量评价。随着混合场景视觉内容越来越流行,与之相关的图像技术成为研究热点。现有的质量评价算法主要针对自然场景内容,在运用于混合场景视觉内容的评价时就相形见绌。本文做了大量的工作研究分析这些视觉内容的特点以及人在评价这些视觉内容时的行为特点,提出基于视觉特性的部分参考、无参考质量评估算法,以及针对全景图像的恰可察改进模型,用于探索全景图像质量评价。