目前虚拟现实技术发展迅速,其中立体全景视频作为虚拟现实呈现的重要载体,能够提供给观看者无与伦比的沉浸感。然而立体全景视频的制作需要经历拍摄、拼接、投影、编解码等多个步骤,在这些过程中立体全景视频往往会受到各种失真因素的影响。为了保证立体全景视频呈现的最终质量,对立体全景视频进行质量评价具有重要的理论和现实意义。为了开展相关研究,本文建立了立体全景视频质量评价数据库。在考虑了立体全景视频的制作与播放过程的基础上,本文结合立体信息、全景信息与视频时域信息三方面展开研究,从而提出两种立体全景视频的无参考质量评价方法。本文的主要成果与创新点如下:本文针对立体全景视频在编解码过程中受到的失真建立数据库。通过对13个无失真视频源施加不同方式与不同程度的H.264、JPEG2000压缩处理,最终得到377个失真的立体全景视频。该数据库中的视频种类丰富、场景多样,为后续的研究成果打下基础。方法一为基于三维卷积神经网络（3-Dimensional Convolutional Neural Network,3D CNN）的立体全景视频质量评价方法。经过灰度差值预处理获得局部视频块后,该方法通过3D CNN提取局部视频块的时空域信息。针对全景投影的特点,本文设计了一个分数融合策略,对不同位置的视频块分数赋予不同的权重,加权求和得到最终质量分数。方法二为基于非局部球形卷积神经网络的立体全景视频质量评价方法。该方法将多个立体全景视频帧进行灰度差值预处理,然后反投影回球面,利用球形卷积神经网络在球面进行空间域特征提取,并结合非局部神经网络提取时域信息,最后对于不同时间段的立体全景视频质量分数平均求和得到最终的质量分数。在数据库中分别对两种方法进行了大量的实验,均得到了实质性的性能提升,结果表明这两种方法具有良好的针对性与有效性。