随着数字视频的流行和广泛传播,人们对于数字视频的清晰度、分辨率、流畅性等都提出了更高的要求,视频质量评价成为一个热门的关注点。与许多信号处理应用不同,视频信号的最终接收者总是人眼。因此视频质量评价算法必须考虑人类视觉系统(Human Visual System,HVS)的感受,需构建与人眼主观感受相一致的质量评价模型。因此,本文提出了一个基于人眼视觉特性的视频质量评价算法,主要工作如下:(1)本文提出了一个视频质量评价方法框架。利用人眼视觉特性调节视频帧的预测质量,使用支持向量机(Support Vector Machine,SVM)学习视频帧预测质量与最终主观质量之间的映射关系,用于预测测试集的最终客观质量分数。(2)论文研究分析了人类视觉特性,重点分析了人眼的视觉注意力和掩蔽效应两个方面对人眼视觉感知的影响,提出并计算了以下四个特征:边缘结构特征、纹理特征、持续时间和背景运动。本文重点分析了纹理特征和持续时间。基于视觉注意力,本文提出了持续时间特征参量。计算持续时间的自信息作为视觉信息内容的表征。基于掩蔽效应,本文提出了纹理掩蔽特征。在传统的局部二值模式(Local Binary Patterns,LBP)算法基础上进行了改进,提出了块级的纹理掩蔽算法,使得其可更精确地计算纹理信息带来的感知不确定性。(3)在支持向量机训练过程中,涉及多参数最优取值问题,通常采用穷举法解决。本文提出了一种最优参数快速决策方法,可快速取得目标复杂度下的多参数的最优取值,并进行了实验验证。本文提出的质量评价算法在LIVE(Laboratory for Image and Video Engineering,LIVE)视频数据库上进行测试,结果验证了预测分数与主观分数具有良好的一致性,验证了本文提出算法的可行性。