随着数字时代的来临，人们对视觉信息的追求越来越趋向于高清晰和高保真。但是在视觉信息的处理过程中可能会产生各种不同的失真，影响人们对视觉信息的获取和利用。为此，以人眼主观感知高度统一的评价模型为目标，围绕视觉信息的质量评价进行研究，具有重要的学术研究价值和应用前景。本文在研究传统的基于结构特征提取的图像质量评价方法的基础上，将奇异值分解应用到图像的结构特征提取中，建立图像的梯度奇异值模型，并结合图像梯度域的局部方差分布和像素分布建立梯度奇异值分解的图像结构相似度评价模型。实验表明该方法解决了传统的评价方法对图像结构特征表征不足的问题。针对传统的图像质量评价方法无法有效模拟人类视觉系统(HVS)，提出基于小波分析的稀疏保真度的图像评价算法。算法以模拟人类视觉系统的神经网络为切入点，对图像进行一阶小波分解得到四个不同方向的子带图像，然后将子带图像分成8×8大小的图像块，采用快速独立分量分析的方法对各个图像块进行训练并提取图像特征检测矩阵，根据特征检测矩阵计算各子带图像块的稀疏特征值并建立稀疏保真度质量评价模型。实验结果表明该算法有效模拟视觉系统的多频特性和视觉皮层感知机制，弥补现有评价方法在此方面的不足。针对现有方法对自然图像统计特性的分析不足，本文提出了基于自然特征分布的图像质量评价方法。该方法对小波图像的局部幅值和局部熵进行分析，通过分析二者在不同失真条件下的分布规律提取图像的自然统计特征，然后采用支持向量机的回归和分类方法建立图像的统计特征与客观质量之间的映射关系。实验表明，本文提出的方法可有效反映自然图像的分布规律。