移动技术的发展促进了智能终端的快速发展，也带来了数字显示设备的多样化，同一幅图像需要显示在不同尺寸和分辨率的设备上，为了使用户从不同设备显示的图像获得相似的视觉感受，这就需要基于内容的图像重定向技术。论文在分析了图像重定向技术的国内外研究现状以及发展应用的基础上，对图像重定向方法及与其相关的不同尺度图像的质量评价方法进行了研究，具体包括:　　1.提出基于相邻度约束的快速Seam Carving与Scaling相结合的混合图像重定向方法。Seam Carving的本质决定了任何改进方法都存在缺陷，同样Scaling等连续方法也有其局限性，因此考虑到两种方法的互补特征，提出了一种新的混合方法。同时针对混合方法的时间复杂度较高的问题，应用了一个快速框架—基于相邻度约束的快速Seam Carving算法(FSc_Neip)，提出一个基于内容的快速图像距离评价框架（FCAID）。首先将图像分割成等间隔的均匀条带空间，然后根据重要度图（显著性图）计算每个条带的目标尺寸，从而保证了所提出的框架是对图像进行非均匀变换。其次在每个条带内进行FSc_Neip算法，并计算一条细缝被删除后与其相关变化的重要子图像的图像距离CAID值，直到达到阈值后切换为Scaling算法得到结果图像。无论从结果图像的质量还是时间复杂度方面，我们的算法都是很具有竞争力的。　　2.研究并提出了不同尺度图像的客观质量评价方法。首先对原始图像和重定向结果图像进行SIFT点匹配，然后对匹配之后的两幅图像进行三角剖分和三角变换，得到三角形相对应的两幅图像。其次采用图像插值的方法将重定向结果图像变换到原始图像尺寸，解决了传统图像质量评价方法难以应用于不同尺度图像无法准确评价的问题。最后，在计算SSIM值过程中加入基于视觉感知的显著性图的重要度和面积权值，使实验结果更符合人类视觉系统，得到与主观质量评价方法更为一致的客观质量评价方法。