互联网上随处可见的数字图像和视频引发了人们对数字图像的关注,对图像质量评价领域的关注和研究也呈加速发展的态势。近几年随着生物学家对人眼视觉系统(Human Visual System,HVS)的研究有了重要的进展,人们提出了很多基于人眼视觉特性的图像质量评价方法,并取得了很好的评价效果。本文在总结前人研究的基础上,利用人眼的视觉特征,提出了两种有效的图像质量评价方法。图像边缘是人眼识别目标的重要信息,但图像在压缩过程中会造成边缘信息的丢失。本文利用梯度特征向量表示图像的边缘结构信息,提出基于梯度矢量相似度的压缩图像质量评价方法。利用梯度向量计算参考图像与待测图像对应像素点的向量相似度,生成测试图像的质量分布图。并由视觉的感兴趣区域及多尺度特性对质量分布图加权得到图像质量评估指标。对目前最大的TID2013和TID2008数据库图像进行仿真实验,结果表明该评价方法与主观评价结果具有更好的一致性,可广泛应用于JPEG和JPEG2000压缩失真图像质量评价。针对现有的通用型无参考图像质量评价方法对图像数据库的依赖问题,提出基于图像尺度不变性的无参考图像质量评价方法。算法结合自然图像的统计特性和人眼感知的边缘结构特性表示图像,利用图像多尺度不变性,计算尺度间差异评价图像质量,不需要外部信息的参与。利用数据库的交叉验证结果表明,该方法对混合失真图像质量评价效果好,运行效率高,与目前现有的无参考图像质量评价方法比较具有较好的综合性能,具有较好的应用价值。