立体图像的景物生动逼真, 给人一种身临其境的全新视觉享受, 但在制作、存储和传输过程中往往会产生失真。为了评价立体图像的质量优劣, 提出了一种基于轮廓波(Contourlet)变换的无参考立体图像质量评价算法。通过对失真的左、右图像分别进行主成分分析(PCA)融合来生成新的融合图像, 并使用基于SSIM(Structural Similarity)立体匹配算法生成视差图和匹配差值图, 然后对上述三张图片进行Contourlet变换, 再然后使用自定义的高频能量指标并结合边缘强度和信息熵, 最后将得到的特征输入支持向量回归(Support Vector Regression,SVR)模型中学习, 得出质量评价分数。该方法在德克萨斯大学公布的立体图像库中进行了验证, 线性相关系数和斯皮尔曼相关系数在Phase I库中可高达0.957和0.947, 在Phase II库中也可高达0.944和0.934, 与主观评价吻合度很高, 优于最新的一些评价方法。