随着多媒体技术的迅速发展和广泛应用，图像质量评价因其在多媒体处理中的重要作用，包括图像数据的筛选、算法参数的选择和优化，越来越受到人们的重视。根据图像质量评价应用中是否需要参考信息，可分为全参考图像质量评价、半参考图像质量评价和无参考图像质量评价。前两类分别需要所有参考信息和一些参考信息，而第三类不需要参考信息。无论是全参考、半参考还是无参考图像质量评价，图像失真对图像质量评价都有很大的影响，这主要体现在图像质量评价数据库的建设和图像质量评价模型的设计上。从图像失真的角度出发，本文主要总结了2011～2021国内外发表的图像质量评价模型，包括全参考模型、半参考模型和无参考模型。根据图像的失真类型，将图像质量评价模型分为图像质量评价模型对于合成失真，图像质量评估模型为真实失真，图像质量评估模型为算法相关失真。其中，合成失真是指人为添加的噪声，如高斯噪声和模糊失真，通常呈现均匀分布。真实失真是指在图像采集过程中，由于环境、拍摄设备或拍摄操作不当等因素引入的失真类型。与合成失真相比，真实失真更复杂，可能包括一个或多个失真，数据采集更困难。与算法相关的失真是指在处理图像时，由于算法本身的缺陷或性能不足而导致结果图像的退化。与合成失真和真实失真相比，算法相关失真的显著特点是这种失真呈现非均匀分布。本文介绍了现有的图像质量评价数据库，包括图像数据源和数据库的构建细节，然后重点介绍了图像质量评价模型的设计思想。最后，对介绍的图像质量评价模型进行了总结，并指出了未来可能的发展方向。