数字图像由于其可视化特点,能够引起视觉系统的感知。根据视觉感知的结果,人们可以对数字图像的质量和内容等进行评价。近年来,图像视觉感知评价得到研究者们的广泛关注,并取得了丰富的成绩;但是,目前对于低质量图像的视觉感知评价研究还十分匮乏。典型的低质量图像包括夜间图像和加密图像,对夜间图像的视觉感知评价主要是视觉质量评价,对加密图像的视觉感知评价主要是视觉安全评价。以夜间图像和加密图像为例,低质量图像的视觉感知评价非常重要,并且存在亟待解决的问题。一方面,随着夜间视频监控和自动驾驶应用的兴起,夜间图像的采集和使用变得十分普遍。受到夜间光线不足等影响,夜间图像通常呈现出较低的视觉质量,图像增强成为改善夜间图像质量的常用手段。对夜间图像和夜间增强图像的质量评价不仅有利于提升实际应用系统的性能,还能够帮助优化图像处理技术。因此,如何衡量低质量夜间图像和夜间增强图像的视觉质量成为当前亟待解决的问题。另一方面,感知加密因其高效性和具有广泛的应用场景,成为目前保障图像视觉安全最有效的手段之一。其安全性分析不仅有利于感知加密算法的参数选择和优化,还能够衡量不同加密算法的性能,对感知加密算法有着至关重要的作用。因此,如何衡量低质量感知加密图像的视觉安全性成为目前亟待解决的另一个问题。针对上述的两个问题,本论文对低质量图像的视觉感知评价进行了深入探索和研究,主要研究工作和创新成果包括:（1）从主观和客观两个方面评估了低质量夜间图像的视觉质量,构造了一个自然夜间图像质量评价数据库（Natural Night-Time Image Database,NNID）,提出了一种基于亮度和纹理的盲夜间图像质量评价指标（Blind Night-Time Image Quality Assessment Based on Brightness and Texture,BNBT）。NNID数据库包含由3种摄影设备获取的2240幅夜间图像,主观评价实验采用单信号方法,得到每一幅图像对应视觉质量的平均意见分数（Mean Opinion Score,MOS）。BNBT指标分别基于超像素分割和灰度共生矩阵提取亮度和纹理特征,然后利用支持向量回归将所提取特征映射为图像对应的视觉质量分数。与现有的盲图像质量评价指标相比,BNBT在评价夜间图像质量时,能够达到与人类视觉系统更高的一致性。（2）从主观和客观两个方面评估了夜间增强图像的视觉质量,构造了一个夜间增强图像质量评价数据库（Enhanced Night-Time Image Quality Database,EHNQ）,提出了一种盲夜间增强图像质量评价指标（Blind Quality Index for Enhanced Night-Time Image,BEHN）。EHNQ数据库由15种增强算法增强100幅夜间图像而得,主观评价实验采用双信号方法,得到每一幅图像视觉质量的MOS。BEHN指标提取增强感知特征、结构保护特征和颜色特征来描述夜间增强图像的失真程度,并设计了一个集成训练策略将特征映射为视觉质量分数。实验结果表明,BEHN指标的性能显著优于现有的盲图像质量评价指标。（3）结合人类视觉系统特性,提出了一种基于图像重要性的视觉安全评价指标（Image Importance-Based Visual Security Index,IIBVSI）以衡量低质量感知加密图像的视觉安全性。首先,分别基于高阶梯度幅度和多重log-Gabor滤波器获得空间对比度和纹理相似性地图。然后,提出了一种基于图像重要性的融合方法将这两个相似性地图整合为最终的视觉安全指标。实验结果表明,IIBVSI的性能优于现有的视觉安全指标,特别是在低质量图像上表现更佳。（4）针对低质量感知加密图像的特性,提出了一种基于卷积神经网络的视觉安全评估指标（Convolutional Neural Network-Based Visual Security Index,CNNVSI）。CNNVSI针对低质量加密图像的特性,采用了三种特别设计,使其能够在无需手动提取特征和人类视觉系统先验知识的条件下,准确衡量感知加密图像的视觉信息泄露程度。首先,设计一个标签分配算法为每一个采样图像块分配一个视觉安全分数用于模型训练。其次,设计了一个多尺度注意力残差网络提取特征。最后,融合明文图像、加密图像和差图的特征以获得鲁棒性能。实验结果表明,CNNVSI的性能显著优于现有的视觉安全指标。