隨著多客戶端交互多媒體應用的快速發展，屏幕內容圖像（Screen content image，SCI）的分發和處理與日俱增．圖像質量評價課題的研究是其它許多應用的基礎。至今圖像質量評價課題研究的重點是傳統自然圖像。因此針對屏幕圖像質量評價的研究就變的非常迫切和必要．客觀圖像質量評價算法的提出的基礎建立在標準圖像質量評價數據庫上．本文首先構建了一個大規模的屏幕內容圖像質量評價數據庫（lmmersive Media Laboratory screen　contentlmage quality database，IML-SCIQD）.IML-SCIQD數據庫包含參考圖像25張以及經過10種失真處理的1250張失真圖像，以建立的IML-SCIQD數據庫為基礎，考慮到屏幕內容圖像圖像區域和文本區域的視覺感知差異，在基于自然場景統計的無參考方法的啟發下。本文提出了針對屏幕內容圖像的無參考評價算法（Natural Scene Statistics　based No Reference Screen Content Image Quality Assessment metric，NSNRS）.NSNRS算法首先分別計算圖像區域和文本區域的質量分數。再將這兩個區域的質量分數結合起來得到整幅失真圖像的質量分數．該算法與其它12種經典的客觀評價算法，包括全參考算法，部分參考算法與無參考算法，在IML-SCIQD數據庫和SIQAD數據庫上進行了性能測試和對比，結果表明本文提出的算法優于經典的的無參考評價算法：就整個數據庫而言。本文提出的算法可以達到與全參考方法相當的性能。