目前很多的客观图像质量评价方法评价结果与人眼的观测结果相差较大,因此基于机器学习的评价方法得到广泛研究和关注。极限学习机是常用的图像质量评价方法之一,但传统极限学习机存在容易产生过拟合、泛化能力和预测精度有待提高等问题。蚱蜢优化算法是近年提出的智能优化算法,具有较好的寻优性能,通过引入莱维飞行改进,蚱蜢优化算法寻优能力可以进一步提升,能有效地解决传统极限学习机训练中存在的问题。本文将改进后的蚱蜢优化算法与极限学习机相结合,应用于图像质量评价中,主要工作如下:(1)设计了一种基于莱维飞行改进的蚱蜢优化算法。为了使蚱蜢优化算法更好的找到全局最优解,引入莱维分布的机制,能够使得原有的优化算法在性能上得到了很好的提升,更好地越出局部范围,从而得到更好的全面的最优解。实验表明,优化后的蚱蜢优化算法能更好的找到全局最优解。(2)设计了一种基于改进蚱蜢优化算法优化极限学习机的图像质量评价方法。采用改进的蚱蜢优化算法和极限学习机算法相结合,利用改进的蚱蜢优化算法对极限学习机的权重和偏置进行寻优,找到最佳组合,得到改进极限学习机预测模型,在图像质量评价数据库上进行测试,相关实验结果表明,该方法能提高在图像质量评价上的预测精度。综上所述,本文就蚱蜢优化算法的改进以及改进的蚱蜢优化算法优化极限学习机算法在图像质量评价上的应用展开了研究,经过实验分析论证,本文提出的基于改进蚱蜢优化算法优化极限学习机算法在图像质量评价上预测效果明显,满足预期目标,符合发展趋向。