近年来，随着互联网业务和多媒体专用芯片技术的高速发展，人类进入了高速发展的信息时代，各种多媒体技术在我们的日常生活中得到了广泛的应用，多媒体内容丰富多样，包括声音、文字、图像和视频等信息，其中图像信息是我们最常接触到的多媒体信息之一。但是在图像采集，传输，压缩、存储等处理过程中，数字图像往往会受到不同程度和不同种类的失真。图像的失真程度能够直接反映处理系统的性能，因此，对图像质量评价的研究意义重大。机器学习和数据挖掘技术是在大量信息中找到内在规律的一种新兴技术，已经在专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域得到了广泛应用。由于人眼是图像信息的最终接受者，图像质量评价方法就是模拟出人眼系统来对图像信息进行评估。把机器学习和图像质量评价结合起来是一种全新的思路，已经成为了国内外研究的热点，本文正是沿着这种思路对图像质量评价的研究和探索。论文提出了一种基于奇异值分解和集成学习的图像质量评价方法，首先通过比较图像的特征向量及其特征值差异，分别从输入图像及其梯度和相位一致性图中提取出多个视觉特征，并利用支持矢量机预测图像的失真类型和质量评价值，并进一步结合集成学习技术预测出图像的感知质量。实验表明：本文所提出的图像质量预测模型的性能要优于传统的图像质量评价算法，表现出良好的泛化性。论文还提出了一种基于视觉编码的无参考图像质量评价方法，通过提取失真图像的图像块进行无监督学习构建密码本，利用码本生成图像特征矢量，并最终用支持矢量机预测图像的感知质量。实验验证该算法比传统的全参考算法与主观评价的结果更一致，并可以与公认的一些无参考算法相媲美。