随着互联网和多媒体技术的快速发展，3D立体视频图像正在不断的走入人们的生活，给人们带来强烈的视觉盛宴。但随着立体视频图像的普及，一些问题接踵而来，为平衡有限存储空间和图像压缩比之间的矛盾，我们采取图像质量评价方法来解决。因此，能否精准地评价立体图像质量对整个立体视频图像系统至关重要。图像质量评价方法主要分为两类：主观评价方法和客观评价方法。最常用主观评价方法为平均主观分数(Mean Opinion Score，MOS)和差分主观分数(Difference Mean Opinion Score，DMOS)，但主观方法实现步骤复杂，稳定性差。客观方法具有结果稳定、准确、高效等优点，并且与主观评价高度一致，因此得到广泛应用。其中具有代表性经典的质量客观评价方法为峰值信噪比(Peak SignalNoise Ratio，PSNR)方法、结构相似度(Structural Similarity Index Method，SSIM)方法和基于梯度结构相似度(Gradient based Structural Similarity Index Method，GSSIM)方法。本文主要围绕立体特性分析、视觉注意模型建立以及全参考评价算法三个方面，分别给予深入研究，阅读了大量相关中英文文献并进行了大量的实验。从增强PSNR评价方法的精准性及提高全参考图像质量评价方法性能两方面进行考虑，分别提出了符合人眼视觉感知特性的立体图像改进PSNR评价方法和基于视觉注意模型的全参考图像质量评价方法。本文的主要内容如下：针对常用评价指标PSNR有时并不能很好地反映立体重构图像的人眼视觉感知特性，即存在人眼主观评价值较高，而客观方法评价值较低的主客观质量评价不相符的问题。因此，本文基于立体图像特有的立体视差特性，提出基于加权均值滤波、隶属度函数和滑动窗三者融合择优选取的方法，对立体图像进行质量评价并给予较好解决，使立体图像的PSNR改进值能够很好的反映人眼视觉感知，即使客观评价指标PSNR值与人眼视觉感知相符。改进的PSNR方法较原始方法更加符合人眼视觉特征，从而能更精准更方便地进行立体重构图像质量评价，使其具有更广泛的应用价值。实验结果表明利用本文提出的符合人眼视觉感知特性的改进PSNR方法对立体图像进行质量评价所得客观评价值，可以达到与主观评价相符的目的。图像质量评价方法的关键在于是否能对人类视觉系统进行准确的分析和研究来建立真正意义上符合人眼视觉系统的视觉注意模型。为进一步提高图像质量评价方法的精准性能以及图像质量主客观评价的一致性，本文提出了基于视觉注意模型的全参考图像质量评价方法。该算法首先分析HVS特性，其次基于显著模型建立人眼视觉注意模型，最后结合现较为经典的PSNR、SSIM、GSSIM方法进行评价。实验结果表明，通过该算法得到的评价结果优于原始算法，适用图像类型较广，方法通用性较强。本文算法采用C语言和MATLAB语言混合编程实现。实验采用日本筑波（Tsukuba）大学提供的“Tsukuba”图像和“Venus”图像、德国波恩（Bonn）大学提供的“Corridor”图像以及美国卡内基梅隆（Carnegie-Mellon）大学提供的“Parkmeter”图像作为立体测试图像；采用美国德克萨斯州大学奥斯汀分校（University of Texas at Austin，UTAustin）和图像视频工程实验室（The laboratoryfor Image and Video Engineering，LIVE）提供的第2版图像库作为测试图像。并对使用文献中的算法和本文改进算法的实验结果进行比较和分析，实验结果表明，本文算法的性能优于大部分文献算法，可以更好地评价图像客观质量。