随着信息技术的飞速发展,智能手机以及各种高像素的图片拍摄设备不断涌现,推动了虚拟现实技术的不断进步,全景图像逐步被人们熟知和使用。通过特殊的观看设备,全景图像可以为观看者提供一个360°的沉浸式观看视野,使观看者获得一种身临其境的观看体验,受到广大用户的青睐。目前,全景图像广泛应用在社会生活的各行各业,比如医学、教育、工业等领域。纵然全景图像具有很多优点,但是与其他普通图像一样,在图像的拍摄、传输、压缩和显示等过程中不可避免的会引入一些失真,这些失真导致图像不能以最完美的状态展现给用户,比如在观看时会有模糊或者重影的现象产生,大大降低了用户的观看体验。现有的图像质量评价算法大多是针对于平面2维（2D）图像提出的,很难直接应用于全景图像领域。目前全景图像的质量评价算法少有研究,现有的算法没有充分考虑人眼的视觉特性,导致所提出的质量评价算法性能不高。鉴于这些原因,对全景图像进行质量评价的研究是十分必要的。结合目前主流的两类全景图像采集方法:直采样和降采样,本文重点分析了两类全景图像数据集的图像特性,同时结合人类视觉多维感知特性,对全景图像质量评价方法展开研究。首先,结合直采样全景图像数据集的特点,本文利用图像梯度和纹理信息提出了梯度图上计算加权局部相位量化索引（weighted gradient LPQ,GLPQ）全景图像结构特征,同时提取了图像熵信息、颜色信息以及自然场景统计信息作为自然特征,通过自然特征与结构特征的有效结合,建立了基于直采样数据集的全景图像客观质量评价方法。此外,本文针对为适应头戴式显示器（Head Mount Display,HMD）而进行图像分辨率调整的降采样数据集设计了相应的质量评价算法。考虑到图像的结构依然是重要的图像信息,所以本文利用高斯导数和LBP（local binary pattern）纹理算子相结合的方式来反应图像的结构信息。与大部分质量评价方法不同的是为了全方位的反应图像质量本文采用了多种图像梯度特征,最后为了符合人类视觉系统的观看特性本文添加了图像的显著性特征。通过多维特征的组合建立了基于降采样数据集的全景图像质量评价方法。为了验证算法的性能,本文所提模型在多个全景图像数据集上进行了实验验证,实验结果表明本文提出的两类全景图像质量评价模型在两类数据集上取得了良好的效果,评价结果与人类视觉系统具有高度的一致性,可以有效的评价全景图像质量。