目前,视频业务在网络服务中所占比重越来越大。对视频业务质量进行评估有助于服务提供商改善用户体验,具有重要研究意义。视频质量评价方法分为主观评价和客观评价两类。主观评价因为需要大量的视频样本与试验者,整个评估过程浪费了大量的时间、人和精力。而客观评价的方法依据一系列视频质量的影响因素来建立数学计算模型,自动感知图像质量。因此,客观评价方法是当前的研究热点,其最终目标就是能够达到与主观感知质量的高度一致。在客观视频质量评价方法中,基于结构相似性的视频评价算法(SSIM:Structural Similarity)’性能良好,计算简单,因此得到了广泛应用与研究。然而这种方法在评价某些模糊失真时性能不佳。针对于此,本文提出一种考虑人眼视觉特性的视频质量评价算法。本文根据人眼视觉特性(HVS:Human Visual System),开展了以下的研究工作：(1)根据对原始图像的依赖程度,分述了客观视频质量评价的类别。综述了目前国内外主流的全参考视频质量评价方法,然后研究了其中的结构相似度方法,得出其优点与不足。介绍了质量估计算法的性能评价指标以及目前流行图像与视频数据库,以及本论文用到的视频库。(2)根据人眼视觉特性,在结构相似性算法中集成了对比敏感度,多信道结构,以及边缘效应等特性,实验结果表明,本文提出的方法与主观视频质量评价具有更好的相关性和更高的预测精度,也更符合人眼的主观感受。(3)研究了现有的时间域合并算法,利用人眼的生理与心理特性对其重新设计。考虑运动模糊对视频质量的影响,在建立检测模糊算法后,对视频帧进行空间域的合并。结合时域空域合并方法。在使用HVS方法在视频单帧上评价图像质量后,通过时空域合并将图像质量评价扩展到视频质量评价上。通过实验测试了本文算法与人眼评价的吻合度。