数字图像在获取、处理、压缩、存储、传输和重构的过程中常常出现不同类型和程度的降质。随着数字多媒体的发展，计算机需要一种量化图像降质的方法。这就是图像质量评价(Image Quality Assessment, IQA)方法。为定量衡量图像降质，本文提出一种盲图像质量评价(Blind IQA, BIQA)方法。该方法首先模仿人类视觉系统(Human Visual System, HVS)，分割出图像的感兴趣区域(Region Of Interest, ROI)；然后推导出ROI中部分视觉特征的优化算法，用于计算ROI中的视觉特征；最后用视觉特征和主观评分训练本文提出的均衡广义回归神经网络(Equalization General Regression Neural Network, EGRNN)。为定量衡量本文方法的评价性能，本文用该BIQA方法评价了LIVE(Laboratory for Image&Video Engineering)提供的主观图像质量评价数据库Release2中五种不同降质类型的图片，评价结果的指标表明，该方法的预测准确性、单调性和稳定性均优于近期BIQA方法。ROI分割降低了单色背景对评价的干扰，提高了预测准确性和单调性。EGRNN避免了特征之间的屏蔽,预测性能优于GRNN。