数字多媒体时代的今天，各种立体图像或视频产品丰富着我们的生活，给我们带来身临其境的立体感。然而在立体图像处理过程中，创建、压缩、传输、重建、渲染和显示这些步骤都难免在原始图像上引入各种失真，导致立体图像或视频质量的下降。质量评价算法能够对立体图像或视频产品的质量进行评估。因此，建立一个准确有效的立体图像质量评价模型在数字多媒体时代显得至关重要。
　　本文首先提出了一种基于立体显著性的无参考立体图像质量评价算法。该算法考虑了人类视觉系统特性中的双目视差、双目融合特性、视觉注意机制，利用相应的算法依次生成视差图、融合图，最终得到立体显著图。在图像特征提取算法方面，将图像分解为边缘区和平坦区，利用灰度梯度共生矩阵和Tamura矩阵提取图像的纹理特征。特征映射采用支持向量回归算法，将提取到的特征向量映射到人眼主观质量分数。在LIVE3DⅠ和MCL-3D这两个对称失真立体图像数据库上衡量算法的预测性能，实验结果表明该算法的预测准确性较高，与人眼主观评价有着较高的一致性。
　　同时，本文还针对非对称失真立体图像，提出了一种基于奇异值分解的无参考评价算法。该方法首先考虑人眼对空间频率变化敏感的特性和双目融合特性，对立体图像进行Gabor滤波，基于奇异值分解的融合策略生成融合图。然后，采用亮度加权直方图的局部二值模式算法分别对融合图、左右子图像提取特征，并将左右子图像的特征向量融合、采用欧几里得距离和夹角余弦进行向量之间的比较；为度量非对称失真差异，利用图像相似度算法计算左右子图像之间的相似性。最后，将融合图的特征向量、子图像的融合及比较特征向量、子图像的相似度特征向量级联，利用支持向量回归算法完成特征到主观质量分数的回归映射。在LIVE3DⅡ、Waterloo-IVCⅠ和Waterloo-IVCⅡ三个立体图像库上对本算法进行测试。实验结果表明，本算法性能良好，优于目前主流的立体图像质量评价算法。