对于人类来说，图像是一种重要的信息来源，存在于人们的日常生活中。我们能够切实的感受到不同来源的图像信息，有些图像是清晰可视的，而有些是模糊失真的，这就造成了人类对于图像信息理解出现偏差。图像在被采集、传输时可能会被各种噪声污染而引起失真，如果能够在整个系统中加入图像质量评价模块，就能够及时反馈失真信息，我们可以通过调整参数使系统得到优化，使人得到更好的、更完整的图像信息，因此对于图像质量评价的研究是必要的。本论文以HVS（人眼视觉系统）为理论基础，研究在全参考、部分参考和无参考图像质量评价方法在各自不同的条件下如何更快，更好及更有效的进行数字图像评价。论文主要研究内容及成果概括如下：1.基于区域加权信息熵的结构相似性图像质量评价方法（全参考）。针对结构相似性评价方法在噪声及压缩失真图像的质量评价中存在的不足，在考虑人眼视觉特性的基础上，提出了改进，研究了一种基于区域加权信息熵的图像质量评价的方法(EDSSIM)。该方法因为人眼对图像各个区域的兴趣程度不同而引入了图像区域加权信息熵的概念，从而能够更好的来体现图像内容的位置信息，与主观评价一致性也更好。2.基于HVS和奇异值分解的图像质量评价方法（部分参考）。一般的图像质量评价算法以像素值的为基础，需要保证参考图像是存在的而且完整的。其实图像本身是具有结构性的，仅仅以像素比较来评判图像差异，是扩大了图像质量评价的含义。为了解决这些问题，本文研究了奇异值向量对于图像结构的表征能力，并充分分析HVS的亮度、纹理、边缘等特性，给出相应的视觉特性计算模型，从而提出了一种基于人眼视觉系统和奇异值分解相结合的图像质量评价方法(BHSVD)，该算法相比较其他一些客观算法具有更好的效果。3.基于无参考的机械零件质量检测。针对机械零件的特殊性，证明了采取全参考或部分参考是不可行的。本文实现了在无参考图像的参与下，先对次品机械零件（如裂纹和缺口）进行图像预处理；再通过最优（迭代）阈值进行二值化分割；最后利用零件的图形属性（如离心率）来确定是否为次品。该算法实现简单，准确率高。