图像质量评价方法在图像处理和计算机视觉领域有广泛的应用，例如图像压缩、图像增强、图像检索等。基于深度学习的图像质量评价是利用深度神经网络学习图像到对应的质量标签的映射，能够自动地从图像中提取特征并进行质量评估。

1）针对无参考图像质量评价模型泛化能力不足的难题，分别提出可懂度驱动的质量评价方法应对内容多样性导致的泛化挑战，提出融合图像局部与全局特征的算法，增强模型表征能力以改善泛化；并提出基于增强媒介与迭代训练的算法，有效缓解模型在低质量图像评估中的泛化困境。

2）为降低模型对大规模标注数据的依赖，分别提出知识引导的评价框架，引入先验知识以减少对训练样本的需求；另设计基于主动学习的样本选择算法，在有限标注样本下最大化信息价值，显著提升小样本场景下的评价精度与泛化性能。