数字图像以丰富的含义和形象化的表达成为当前媒体传播中的主要内容之一。终端显示设备的多样化对图像的多尺寸化展示,以及视觉体验提出了更高的要求。因此如何在保证图像质量的前提下最大程度地满足用户的视觉感知是一个很有挑战性的工作。论文针对图像重定向和不同尺度的图像质量评价问题展开研究,主要工作包括如下:1、提出了内容感知的混合图像重定向算法。首先基于图像重要度和边缘检测实现内容感知的非均匀条带的划分并自动估计每个条带的目标尺寸。然后设计快速非连续细缝裁剪框架,通过一次扫描获取细缝的连接关系,并计算细缝邻接关系矩阵以及细缝触边关系矩阵,实现细缝上下文约束下的细缝去除。同时根据获取的细缝和重要区域子图像的位置关系,快速估计图像质量变化,当质量损失超出范围时,将当前算法转换成线性缩放。实验证明,提出方法能够较好的保持图像质量。同时很大程度上提升处理效率方面。2、提出了一种融合全局和局部特征的重定向图像质量评价算法。首先进行数据预处理,包括特征点的提取和匹配,以及关键内容检测。然后以匹配特征点为基准,采用三角剖分算法得到图像的非均匀子区域。进一步,在全局特征的质量评价模块,引入形状变形因子,位置偏移因子和角度变化因子来计算全局特征。在局部特征的质量评价模块,采用结构相似度指标(SSIM)计算局部特征。最后融合全局和局部特征得到最终评价结果。提出方法弥补了目前图像质量评价方法特征单一等不足,更全面地捕捉图像质量的变化。3、提出了一种基于Triplet网络的图像质量评价方法。首先根据Triplet网络的结构特点,对图像数据进行扩增和分组。然后对输入的三元组图像进行训练和学习,并不断优化网络参数,得到较优的质量评价模型。4、设计了一个图像质量评价系统,系统包括主观评价模块和客观评价模块。主观评价模块是对不同的重定向算法结果进行用户主观评估。客观评价模块通过模仿主观评价模式,对不同重定向算法结果图进行相似度度量,并给出评价结果。