图像是人们感知客观世界的重要方式之一,越清晰的图像所包含的信息越多,质量就越好。但是,图像在采集和处理的过程中经常会因为各种原因而导致其质量的下降或失真。为了准确评价图像的失真程度,以便进行图像增强、图像压缩等后续处理,客观图像质量评价的研究变得越来越重要。通过仔细研究当前的客观图像质量评价,可以发现大部分无参考IQA都忽略了人类视觉注意机制的应用,而视觉注意机制理论上可以较大地提高质量评价的性能。因此本文重点研究视觉注意机制相关的特性及其在客观IQA领域的应用,并给出了两种从视觉注意方面考虑的无参考IQA方法。首先,本文在无参考图像质量评价方法CEIQ的基础上进行了改进,提出了一种针对对比度失真的IQA方法。主要从视觉注意方面来考虑影响对比度的因素,其一是从亮度信息统计方面来考虑,提取的特征有CEIQ原特征以及增加的标准差、直方图能量和偏度。其二是从图像色彩的影响方面考虑,提取的特征有颜色饱和度和色彩度。然后把提取的特征向量作为SVR模型的输入来学习预测图像的质量评分。最后在CSIQ、CID2013和CCID2014数据库中对本文改进的模型进行验证及分析。结果表明,与专门用于对比度变化的IQA相比,本文的模型取得了比较不错的结果,并且模型有很好的泛化能力和稳定性。其次,本文结合视觉注意机制改进了一种通用型的无参考IQA方法。首先利用ITTI模型将待测图像分为感兴趣区域和非感兴趣区域,然后通过ILNIQE模型分别提取两个区域的自然场景统计特征,根据这些统计特征计算其相应的MVG模型,之后分别计算这两个区域的MVG模型与原始自然图像的MVG模型的距离(质量评分),将这两个区域的质量分数进行加权融合以获得图像的整体评分。最后在CSIQ、LIVE和TID2013数据库中对本文改进的模型进行测试。结果表明,本文的模型在评价图像质量方面具有较高的性能,其评价结果比传统的通用型无参考IQA模型更接近人的主观感受。