在当前视频处理领域,自动化质量评价技术扮演着重要的角色。由于视觉信息是人类获取信息的最主要途径,因此随着个人计算机、数字通信、多媒体和网络技术的发展,数字视频和图像日益成为信息最重要的载体之一,已经深入到人们的日常生活,因此深入探讨数字视频质量评价方法是非常必要的。它可以检验评价系统设计结构及算法的优劣,同时对系统优化有着重要指导作用。本文在研究了当前视频质量评估领域的工作后,提出了一种结合随机神经网络与运动矢量的新方法,并使用它对人眼视觉退化感知进行估计。实验结果在经过有效的非线性拟合很好地符合人眼视觉感受。同时,比较于其它方法,本文提出的方法更具有普适性与精确性。本文工作中包含了如下几方面的工作:1.引入了人眼视觉特性(Human Visual System/HVS)模型,确定了基于图像光特性视觉感知的图像质量评价方法,即基于人眼对光特性感知程度评价图像质量,通过对HVS更为深入的研究,解决客观评价中视觉模型与主观视觉效应的偏差问题,从而使客观评价与人眼主观感觉相一致。然后介绍了研究中用到的神经网络模型,细胞神经网络最有吸引力的特征就是和人类视觉系统很多的相似性。通过特征提取与神经网络摸拟,以期解决在部分参考评测中客观评价适用范围较窄的问题。2.提出了一种符合人眼视觉特性的全参考视频质量评价方法。该方法结合人的感知特性,从视频时间和空间特征提取出发,提出了一种基于感知重要性度量的概念,并且用在视频质量客观评价中。通过对参考视频的运算进行特征提取,利用按照重要性排列获得不同视频感知信息和重要性度量,最终计算失真视频与参考视频感知信息的差异获得视频的失真度量和质量值。3.实现了基于客观视觉特性的视频质量评价模型,该模型使用了随机神经网络训练方法,并且在Windows运行环境下编制了VC/Matlab系统程序实现了该模型,在VQEG Phase I视频数据与主观DMOS打分数据基础上进行了多次实验,可以满足各种实时需求的应用。由于该算法具有良好的普适性与适中的复杂度,期望成为基于像素统计算法比如PSNR的一个扩展。