图像作为信息的载体之一在社会各个领域都占有重要地位，图像在采集过程中，由于设备的性能不佳会影响图像的质量，在传输过程中由于传输介质和环境等因素的干扰也会影响图像的质量，处理图像方法不恰当同样会导致图像降质。因此，对图像质量进行评价可以用于了解图像获取设备性能好坏，从而优化设备性能，可以实时调整图像质量以确保其信息的正确传输，可以衡量图像处理算法的优劣。所以，图像质量评价领域的研究成为了研究热点。　　图像质量评价根据其有无人的参与可分为主观图像质量评价和客观图像质量评价，主观评价主要依靠人眼对图像打分，然后按照一定规则得出评价结果，但是由于该方法受到人的主观因素及人所处环境等因素的影响比较费时费力，难以广泛应用;在这样的情况下，客观图像质量评价方法成为研究重点，客观图像质量评价方法指运用一定的数学模型计算出图像的量化指标，对图像质量进行评价。客观图像质量评价方法根据其对原始图像的参考程度又分为全参考、部分参考及无参考图像质量评价方法。　　本文研究了基于结构相似度的客观全参考图像质量评价方法(SSIM)，SSIM算法通过比较原始图像与待评价图像的亮度、对比度、结构属性这三个因素对图像质量进行评价，它在评价同一幅图像不同失真类型时存在一定误差，如:高斯模糊失真类型的图像，其方向能量发生变化，而SSIM并不能准确反映该类变换，所以SSIM算法在评价高斯模糊失真图像时误差明显。本文在SSIM算法的基础上，针对其不足，考虑到Shearlet变换做为第三代小波拥有与人类视觉系统(HVS)类似的多通道、多方向等特性，能方便的获取图像的方向结构信息，提出了一种基于Shearlet变换的方向结构相似度图像质量评价算法(SDSSIM)。　　SDSSIM算法利用Shearlet变换对对图像进行多方向分解，得到图像的方向结构信息，将方向信息作为一个分量加入到SSIM算法中，结合评价图像的质量。客观图像质量评价算法的优劣主要通过验证其评价结果是否与人的主观评价结果一致来衡量，本文最后通过大量仿真及分析验证了SDSSIM算法性能优于SSIM算法及传统的PSNR算法。本文的主要研究工作与内容:　　(1)研究了目前主流的全参考图像质量评价方法，并对它们存在的优缺点进行了分析。其中主要研究了结构相似性图像质量评价算法(SSIM)，并指出该算法在评价高斯模糊失真类型时存在误差。　　(2)研究了Shearlet变换理论基础，指出了它具有图像多方向分解特性。　　(3)考虑到SSIM算法的不足及Shearlet变换的多方向特性，提出了一种基于Shearlet变换的方向结构相似度图像质量评价算法(SDSSIM)。　　(4)对提出算法的性能进行了仿真比较与分析，验证了本文提出算法在评价高斯模糊失真图像时效果有一定提高，对于不同失真类型图像的评价结果比较符合主观。