随着互联网技术的快速发展,数字图像被广泛地应用到各行各业。但图像在采集、传输、压缩等处理过程中,不可避免会造成图像失真,导致图像质量的下降。因此,选用恰当的图像质量评价算法对失真图像进行评估,具有很高的研究和应用价值。本文围绕全参考图像质量评价进行了三方面的研究工作。（1）提出了一种改进的结构相似度DSSSIM算法。针对SSIM算法中是对图像块同等处理,进行像素逐点比较,与人眼视觉感知不相符这一缺点,本文对人眼视觉感知敏感度进行判断,将其引入SSIM模型。将PSNR、SSIM、GSSIM以及DSSSIM这4种算法在LIVE 数据库上,分别对 JPEG、JPEG2000、Fast Fading、Gaussian Blur、White Noise 这五种失真类型以及整个LIVE图像库的所有失真图进行实验测评,结果表明:DSSSIM算法表现出更好的实验性能。（2）提出了一种改进的梯度结构相似度GDSM算法,考虑到失真图像中不同局部结构的质量失真程度不同这一问题,将失真像素度量加入GSSIM模型中,提出的GDSM算法。将该算法与PSNR、SSIM、GSSIM、FSIM以及DSSSIM这5种算法分别在LIVE、TID2008、TID2013这三个数据库上进行了实验测评,实验结果表明:GDSM算法克服了GSSIM算法直接取各图像子块的梯度结构相似度的均值作为整体图像的质量评价值这一缺点。与DSSSIM算法相比,拟合散点分布更为聚合,说明GSDM算法与HVS系统更为一致。（3）提出了一种改进的自适应子字典PC-QASD算法,在基于稀疏表示的算法中,只是提取稀疏特征来捕获参考图像和失真图像之间的结构变化,但是由于图像稀疏特征对弱失真不敏感,而感知图像质量一般又会受弱失真的影响。因此本文在提取稀疏特征的同时,加入三个辅助特征:梯度、相位一致性、亮度,通过加权稀疏特征一起进行描述。最后在三个数据库 LIVE、TID2008,TID2013 上将该算法与 PSNR、SSIM、VIF、MAD、FSIM、GMSD、DSSSIM,GSSIM,QASD算法这9种算法进行了相关系数的比较验证,结果表明:PC-QASD算法优于其余算法,且在各个数据库上表现较好的一致性。