网络视频流传输在远程教育、远程医疗、视频监控等方面发挥着重要作用。用户对视频传输质量的要求也越来越高。但是,网络系统资源仍然相对受限,要保证视频流畅性必须尽量降低码率,这样会对使得视频质量下降,降低用户体验。因此需要根据系统资源传输尽可能高质量的视频,但是现有的视频图像质量评估方法不能很好满足现实需求。其中的一个原因是目前的评估方法大多针对视频数据的客观损失进行评估,评估结果与人眼实际观察结果差距较大。有一些评估方法与人眼感知结果相符,却不能在算法复杂度和准确度之间达到平衡,不能满足视频质量实时评估的需求。因此,需要发展一种融入人眼视觉特性且满足实时性的视频图像质量自动评估方法。使用视频流编码参数并融合视觉掩蔽效应提出了一种压缩视频流图像质量自动评估方法。一般视频解码端视频质量评估需耗费大量时间将视频流完全解码后进行,不能满足视频评估的实时性要求。提出使用编码参数进行视频图像质量的评估,不用完全解码仅提取码流中几个参数即可对质量进行评估。在对HEVC视频流降质因素分析后,选择SSIM作为视频流图像质量评估指标,并对SSIM与降质因素的依赖关系进行进一步分析,确定需提取的视频流编码参数。然后使用人眼视觉效应中的掩蔽效应对视频流图像质量评估进行调整,使视频流图像质量评估结果更加符合人眼感知。为了利用掩蔽效应,区别于一般提取帧级参数,提出以HEVC(High Efficiency Video Coding)中以更小的CTU(Coding Tree Unit)作为参数提取单元。使用四叉编码树的划分深度表征视频的纹理特征,使用skip模式的CU(Coding Unit)比例表征时间特征。最后使用CTU级参数量化参数QP(Quantization Parameter)、码率、CTU划分深度、skip模式使用比例、SSIM值作为参数,使用随机森林分别对I帧和B/P帧视频流图像质量进行建模,最终实现视频流图像质量的评估。使用三个评估指标并选择与训练集相同分辨率的CIF格式视频序列及HEVC官方测试视频中多种分辨率的视频序列对所建模型进行测试和分析。实验结果表明,B/P帧模型总体比I帧模型评估效果更好。所建立的模型对所有测试视频评估出的SSIM值与真实值间误差都很小,评估结果较准确。而除了在视频分辨率过大的情况下相关性较低且不稳定,其他情况下基本表现出较好的评估效果。