随着互联网的快速发展，为了满足日益丰富的现代化业务，对数字图像这种信息载体的使用范围和要求也越来越高。计算机网络的飞速发展极大的扩展了图像的应用领域，在图像采集、处理、传输、储存以及显示等多个过程中会产生各种类型和不同程度的失真，将会导致信息获取的偏差。因此，建立相关的数学模型对获取的图像质量进行评价，在图像处理及应用领域内具有重大的意义。本文先提出了一种基于统计特性的图像质量评价方法。首先，论文在现有图像质量客观评价方法的基础上，重点分析了使用最为广泛的四种方法，均方差法(MSE)、峰值信噪比法(PSNR)、基于图像结构相似度的方法(SSIM)和基于信息保真度的方法(VIF)。接着，利用LIVE图像数据库提供的差异主观分数DMOS，对四种评价方法与DMOS相关性分别使用统计学的三种相关系数(Pearson相关系数、Spearman等级相关系数和Kendall等级相关系数)进行衡量，从而对四种方法的优劣得出具有统计特性的结论。然后，论文提出了一种基于线性回归的方法，通过对已有的评价方法进行归一化操作，得到了一种基于三元线性回归的图像质量评价方法(TLRE)。最后，论文使用LIVE图像数据库中的失真图像作为实验的素材，证实了新的评价方法比已有的四种评价方法更为有效。另外，本文还提出了一种基于图像特征的评价方法，旨在对尺寸不同的图像的质量进行评价，该方法分别计算颜色分布、形状特征和纹理分布三个低层特征的相似度系数，然后将三个相似度系数进行归一化操作，从而对图像的质量进行评价。实验结果表明，该方法对于相同尺寸图像质量的评价具有较好的效果，而且使用三元线性回归图像质量评价方法(TLRE)作为评价图像质量优劣的依据时，该方法对于尺寸不同的图像也具有很好的评价效果。