随着半导体技术、多媒体交互技术、图像显示技术以及终端设备(比如智能手机,平板,笔记本电脑)的蓬勃发展,屏幕图像已广泛应用于各种多媒体应用和服务中,但由于设备分辨率、传输处理、内存存储等因素影响,屏幕图像的质量无法得到保证。因此,对于屏幕图像准确而有效的视觉质量评估是至关重要的。本文聚焦于更富挑战性的屏幕图像质量评估问题,针对现存屏幕图像质量评估算法并不符合人类视觉系统(HVS)的多层次特性因而准确度仍需提高的事实,提出了基于内蕴结构相似性的算法,内蕴结构相似性包括稀疏表示特征相似性、梯度特征相似性、局部结构相似性以及采用深度学习方法训练的相似性等等,具体为解决方法为:(1)提出了一种基于稀疏表示特征差异性的屏幕图像质量评估方法,首先将RGB图转为灰度图从而计算出梯度图,后学习参考图像的全局字典,提取参考图像和失真图像的字典使用比重差异,字典使用长短差异,字典使用重叠率等特征,最后通过权重融合得到最终的屏幕图像质量评估结果。实验结果表明,本文提出的方法与人类主观分数有较高的一致性,在各类型失真图像的质量评估上也有优秀的表现。(2)提出了一种基于卷积神经网络的多层特征融合的屏幕图像质量评估方法。从稀疏表示的角度“全局”度量结构相似性,结合经典的局部结构相似性算法SSIM,通过新设计的选择性深度融合网络,将上述的多层次特征融合成分数。实验结果表明:其性能较于其他方法得到了进一步提升。