随着科学技术的发展以及互联网的普及,数码技术得到了广泛的应用,然而数字图像的获取、处理、编码、存储、传输和重建这每一个必要的环节都会影响图像的质量,而图像质量的下降势必影响到图像所表达信息的充分性与准确性,所以图像质量评价显得尤为重要。图像处理办法在不断改善,高动态范围图像的应用也越来越广,图像评价办法也需要不断改进以适应新需求。优秀的数字图像评价方法不仅能够准确地反映图像的质量,而且能对图像处理技术提供良好的改进方向。本文围绕全参考图像质量评价主题即失真图像所对应的参考图像可以获得,在学习和研究已有基于相似性图像质量评价的基础上提出了新的方法。首先,本文在已有一级加权策略基础上提出了二级加权方法,对已有的图像质量评价算法进行了改进。已有的加权策略都是集中在像素级的加权上,而人眼感兴趣的往往是某一块区域,而不是某一个像素点。区域加权算法具体为:区域内对像素级局部质量值进行加权得到各个区域的质量值,区域间通过各个区域的权重对区域间的质量值进行加权。其次,人眼是一个很好的信息提取者。图像若有失真,人眼从图像中感受的内容信息就会改变。本文基于人眼的信息提取特性对图像的内容信息进行建模,并结合梯度和色度特征,提出了一种基于内容信息相似性的图像质量评价算法。第三,本文融合修正的梯度相似性和图像的自然性实现了对色调映射图像的质量评价。在图像质量评价方面公开的数据库上进行的试验表明,本文提出的三种算法均取得了良好的性能。