二十一世纪被喻为是信息爆炸的时代,人类每天接受到的信息成指数级增长。随着技术的发展,图像在信息传递过程中占据了越来越重要的地位。图像质量评价技术是用于评价图像在获取,传输,处理的过程中质量变化情况的技术,对于保证信息传递准确性,提高人眼感官体验具有重要的科研意义和实用价值。在传统的质量评价领域,研究者关注的重点是噪声,模糊,压缩损失等关乎图像信息承载能力的失真类型。然而,伴随着图像采集、传输、处理、显示的硬软件进步,以及近二十年来质量评价技术的发展,这一类低层级质量损失已经可以较好地避免和解决。因此图像质量评价的研究重点逐渐向更高级的评价标准转移,例如图像显著性,图像真实性,图像美学等等。其中图像色彩是对于图像质量影响巨大但研究相对欠缺的方向。因此,本文从图像色彩变化的质量评价这一方向切入,深入研究相关理论,分析现阶段研究存在的问题,做出一系列创新性工作:1,创建了针对图像色彩变化的主观质量评价数据库。图像质量评价算法的研究依赖于相应的主观质量评价数据库。经过调研发现,现有的公共图像数据库不足以支持图像色彩变化质量评价的研究需求。为了填补这一空白,本文创建了一个新的主观图像数据库,在图像数量,图像尺寸,失真类型丰富性,标签支持方面均达到了学界领先的水准,为相关研究提供了有力的数据支撑。2,提出了基于图像色彩特征的质量评价模型。经典图像质量评价算法特征提取侧重于提取图像的结构特征,然而结构特征不适用于图像色彩变化的质量变化特点。因此,本文特征提取图像色彩特征,分别提取了图像基本色彩特征、图像色彩边缘特征、图像HSV色彩空间分布特征、熵特征等组成特征池,采用梯度提升树算法训练模型,实现对图像色彩变化的全参考质量评价。实验表明,该模型预测结果与主观评价数据具有高度的一致性,可以有效解决问题。3,建立了基于色彩和谐关系学习的无参考质量评价方法。最理想的质量评价是无参考质量评价,对于图像色彩质量评价问题,必须理解色彩之间的关系。为此,本文将色彩和谐理论引入研究。然而,经过对现有色彩和谐模型的分析,发现色彩和谐型存在多种模型之间存在矛盾,适用色彩范围单一,没有量化指标等缺陷。因此,本文汲取色彩和谐理论的基本思想,采用基于大数据学习的理念,通过图像分割,主色彩提取,从大量图像中提取色彩的和谐关系数据,并以此关系数据为基础建立图像色彩质量评价算法。实验表明,此方法具有可用性,且具有可持续优化的特点。