随着互联网技术的发展,屏幕内容图像(SCIs)已经广泛在人们的生活中出现,而SCIs的质量评价也成为一个越来越重要的问题。在过去数十年,大量的自然图像的评价算法被提出,并取得了显著成就。然而对屏幕内容图像的质量评价研究却很少,而这对于检测SCIs的质量问题并增强用户的远程计算体验有重要意义,因此必须研究有效的SCIs的质量评价方法。本文主要对屏幕内容图像进行研究,针对其特性,提出了基于自然化的屏幕内容图像质量评价与基于边缘模型和梯度相似性的质量评价两个方法,主要创新点如下:一、不同于自然场景图像,屏幕内容图像通常由文字和自然场景图像组成,这些内容显示在屏幕上会有一些非自然的特征,例如锐利的边缘,轮廓线较细等。因此传统的用于评价自然场景图像的算法不能很好的应用到评价SCIs中。受这个特征差异启发,本文提出SCIs自然化的思想旨在使SCIs在边缘特征上尽可能与自然场景图像统一,为能用自然场景图像的算法评价SCIs提供一种可能性。首先,利用自然化的方法对屏幕内容图像进行预处理,然后再用现有的自然图像质量评价算法对预处理后的图像进行测试,实验结果表明,经过自然化后的图像的客观评价结果与主观评价结果更具有一致性。二、屏幕内容图像包括图形与大量的文字、图表等,相比于自然场景图像,屏幕内容图像边缘有更高的对比度和更细的宽度,而人眼的视觉对图像边缘也有高度敏感性,基于上述考虑,提出了一种基于边缘模型和梯度相似性的屏幕内容图像质量评价算法。首先利用边缘模型结合屏幕内容图像分割提取两个显著性特征:边缘宽度与边缘对比度,屏幕内容图像的分割主要依据文字部分和图形部分的信息熵不同;然后计算图像的梯度求得梯度相似性作为第三个特征;最后将图像的边缘宽度,边缘对比度以及梯度相似性三个特征向量与主观DMOS值通过SVR训练预测出图像的质量分数。在当前已公开的图像库上做性能测试,大量实验证明该算法性能优于当前主流的算法。