图像质量评价在图像视频处理及计算机视觉应用等领域越来越重要。人类作为图像信息的最终接收者，作出的评价是唯一“正确”的，但是主观评价不能被嵌入到系统中。故研究的目标是设计能够自动预测图像的感知质量的指标。在本文中，两种基于视觉注意的图像质量评价方法被提出。　　心理物理学实验表明，在给定场景中，人眼只是关注其中一部分区域并非所有区域，我们称被关注区域为显著区域。于是，本文基于显著区域的质量主宰整幅图像的质量这一假设，提出了一种基于显著性的评价方法。该方法主要包括三个步骤。第一，根据场景中物体的结构独立于亮度和对比度这一事实，分别定义了亮度、对比度和结构比较函数，计算参考图像和失真图像的亮度质量图、对比度质量图和结构失真质量图。第二，根据参考图像计算其显著图。由于自然图像的对数频谱具有局部线性的特性，在统计上的奇异性被认为是图像的奇特部分，即通过对参考图像在对数频域的冗余来计算显著图。为了使获得的显著图更适合作为权值，我们通过阈值的方法将显著图处理为二值图像。第三，将显著图作为亮度、对比度和结构三个质量图的权值进行融合，计算失真图像的最终质量分数。人眼高度关注场景中物体的结构，结构质量主宰整幅图像质量，因此在融合过程中结构失真的权值被放大。最后，通过在 LIVE图像库上进行实验，结果证明所提出的方法相对其他评价模型更接近主观评价。　　在观察待评图像初期，图像中含有重要内容的区域通常吸引视觉注意力，此外，质量差的区域也会相继改变或者吸引视觉的注意。假设这两种区域同等程度吸引视觉注意力，本文相继提出了第二种基于视觉注意的评价方法。首先，我们提出一个新的视觉注意模型。根据参考图像的内容利用上述显著模型计算显著区域，采用百分比的策略，即将质量图排序然后选取最差的一部分，得到因图像质量引起视觉注意的区域，最后通过对这两部分区域进行线性运算计算最终的视觉注意区域，得到视觉注意模型。其次，将提出的视觉注意模型引入到质量评价方法中，在多个尺度上进行计算失真图像的质量。最后，在LIVE图像库和TID2008数据库上进行实验，结果证明该方法相对目前最新的评价方法仍有一定提升。