图像质量评估（Image Quality Assessment,IQA）技术一直以来都是计算机视觉领域的研究热点之一。图像质量评估旨在评估图像的失真程度,图像质量不仅影响着人们的视觉感受,同时也影响着其他图像处理算法的性能。近年来,客观图像质量评估算法以兼顾速度和精度的优势吸引了大批研究者的关注。与此同时,该类算法也面临着诸多挑战,当图像遭受复杂的失真类型时,容易出现评估结果与主观评估结果不匹配的现象。为进一步提高算法在不同挑战因素下的准确性,本文主要针对客观全参考图像质量评估算法展开研究,具体研究内容如下:1.提出了一种综合颜色特性的图像质量评估算法。传统质量评估算法在评估图像色彩失真时,通常仅采用色相特征,然而该特征难以表达复杂的色彩特征,这导致了复杂色彩失真评估不准确的问题。此外,传统显著性算法没有充分考虑人眼色温倾向性特点,这导致了得到的显著图与人眼视觉特性不拟合的问题。针对以上两个问题,本文深入分析了颜色特性在图像质量评估中的作用,并在视觉显着性指数（VSI）算法的基础上做了以下改进:首先在色相评估的基础上,引入了颜色鲜艳度和深度特征,用以表达颜色饱和度等复杂色彩特征,从而提高了算法对复杂色彩失真评估的准确性;其次,对SDSP显著性算法的色温显著图进行优化,加强高色温区域对显著图的影响,提高显著性算法对颜色的敏感性。为证明本文算法的有效性,在TID2008和TID2013数据集上,与其他优秀的图像质量评估算法作对比。实验结果表明,所提算法在两个数据集的SROCC值分别达到了0.8993和0.8994。而且相比于VSI,所提算法在Block失真类型上精度提升了19.49%,在MS失真类型上精度提升了3.34%。2.提出了基于自适应特征权重的图像质量评估算法。传统图像质量评估算法在计算特征相似度时,往往采用SSIM算法中的相似度计算公式,大量实验表明,该方式容易出现复杂特征失真被遗漏的问题。此外,在计算局部图像质量分数时,传统算法往往采用固定的特征间权重进行特征融合,忽略了图像自身的特点,容易导致图像主要特征不突出的问题。为了解决上述问题,本文在综合颜色特性的图像质量评估算法的基础上,做了如下改进:首先对传统特征相似度计算公式进行改进,通过辅助图像与参考图像和失真图像的相似度差,来进一步凸显失真图像和参考图像之间的差异;其次,提出了一套图像特征的贡献度计算规则,依据特征贡献度所占的比例来确认特征融合时的特征权重,从而可以根据图像特点自适应地调节特征间权重。实验结果表明,在TID2008和TID2013数据集上,所提算法相较于传统算法在算法稳定性上分别提升了2.25%和2.62%,而且所提算法在两个数据集的SROCC值分别达到了0.8996和0.9003。