近些年,我国的通信技术取得了迅速的发展,所需传递的信息量,也日益增多,为此,有关信息方面的要求,也变得不断提升。在诸多信息载体中,图像凭借着包含信息丰富的独特属性,使之在信息交互领域的重要性日益凸显。而在图像信息交互环节,图像质量就受到极大的重视,所以,对于图像视频信息的应用而言,对图像质量评价技术进行研究,无疑就有着十分显著的意义。当前,有关图像质量的评价方法,主要有主观与客观两种。对于前者,就是基于人的主观感受而形成的最终评价,这种方式具有较高的准确性与可靠性,然而却需要耗用颇多的人力与时间,这使得应用范围不广。而对于后者,则是借助于数学模型以及相关计算机技术,对那些失真之图进行科学评价。本论文对经典客观评价算法进行了深入分析,发现它们所用到的一个关键因子即梯度因子采用的是传统的梯度模板,但是由于只采用了两个方向的模板,只能检测水平跟垂直两个方向的边缘,检测到的边缘方向有限,为此本论文提出用扩展梯度算子代替传统梯度算子来进行图像质量评价。本次研究所涉及到的内容有:第一,分析了基于结构相似度的全参考图像质量评价方法(SSIM算法)与基于梯度的结构相似度全参考图像质量评价方法(GSSIM算法)。借助于这两种算法的仿真与拟合性能分析,得出在LIVE2图像数据库中,后一种算法的准确度更高。第二,提出基于扩展梯度算子的结构相似度算法(E-GSSIM)。以GSSIM算法为对象,分析其选用传统Sobel算子所存在着的局限性,结合图像边缘的多方向性,将传统边缘梯度算子的方向扩展到8个,采用0°、22.5°、45°、67.5°、90°、112.5°、135°、157.5°八个方向进行计算,进而引入扩展型Sobel算子来对过去的算子进行置换,并提出了扩展型质量评价算法,亦就是E-GSSIM算法,然后以LIVE2等数据库库图像为基础,对其展开定量与定性分析,并得出E-GSSIM算法,要比普通的GSSIM算法更为优秀。第三,提出基于超像素下的扩展梯度算子的相似度评价算法(MSPSIM)。深入分析了SPSIM算法,它以超像素之下的亮度因子、色度因子以及梯度因子为基础。而SPSIM在计算梯度因子时所采用的算子仍然为传统的梯度算子,为此我们在保留亮度因子与色度因子的条件之下对梯度因子进行8方向的扩展,提出相应的相似度评价算法,它在LIVE等相应四个图像数据库中,而SPSIM算法性能在这几个数据库都取得了很好的提升,这也意味着此算法整体性能较佳。