随着计算机和智能终端的普及,互联网的发展方兴未艾,数字图像和视频相关的多媒体网络应用得到了迅猛的发展。数字图像和视频包含了非常丰富的信息,是人类获取讯息的重要媒介,数字图像也广泛应用在医疗、遥感和军事等领域。然而在数字图像和视频的采集、压缩、存储、传输和显示中不可避免地产生数据丢失或是噪声引入,这在不同程度上给图像和视频的理解带来了极大的障碍。为了衡量图像和视频的失真程度,进而优化压缩算法和网络传输性能,图像和视频的质量评价的重要性日益凸显。传统图像和视频质量评价是采用主观质量评价的策略,虽然这些主观评价方法是国际上公认最精确的方法,但是它需要较长的实验时间和较多实验人数,容易受到外界的干扰,同时对实验的条件要求比较苛刻,并且具有不可重现性等缺点。在面对各种移动终端应用数据指数增长的今天,主观评价方法显得力不从心。因此,能够准确和自动感知图像和视频质量的客观质量评价方法得到了快速的发展。根据对原始图像信息的依赖程度,客观图像和视频质量评价方法可以分为三类：1.全参考质量评价；2.半参考质量评价；3.无参考质量评价。全参考质量评价假定原始图像信息是可以完整获得的,所以其评价结果也相对准确。但实际情况中,很多图像和视频都是没有任何参考对象的,因此无参考质量评价应此而生,但是无参考评价的准确率相对较低。综合无参考和全参考的优点,半参考质量评价将原始图像中一些有用的信息提取作为辅助评价指标。根据实际应用场合的不同,这三种质量评价方法都有着广泛的应用。本文在此基础上,对全参考质量评价进行了深入研究,具体内容概括如下：(1)考虑到人眼视觉系统对场景中较为复杂的区域的敏感程度更高,本文讲分型理论引入了图像质量评价领域。通过多重分型分析可以将图像中的复杂程度和奇异程度通过多重分形谱来表征。然后通过量化多重分形谱之间的差异,以得到失真图像的质量打分。实验结果表明该算法与人类主观感知具有高度的一致性,并且对于不同类型的图像失真评价都有较好的普适性。(2)考虑到人眼视觉感知具有多通道特性且对视频中事物的轮廓和细节结构较为敏感。本文引入了Gabor滤波器来模拟人眼的多通道特性,同时采用局部二值模式来提取视频中的细微结构,最后加上动态视觉感知权重从而获得失真视屏的质量评价分数。实验结果表明,该视频质量评价模型不仅与人眼视觉感知一致性较好,而且在性能上好于很多流行的视频质量评价算法。