本发明公开了一种基于深度强化学习的无参考图像质量客观评价方法，该方法利用全参考方法对添加失真后的图像质量进行评估并反馈给决策模型，该决策模型的目标是为当前图像选出能造成质量下降最小的失真操作。由于图像质量所能下降的幅度与图像本身的质量密切相关，为了更好地进行决策选择，模型中存在的状态值会学习到有关图像质量的特征，因此将状态值作为图像质量的映射。在训练过程中只需要高质量图像作为输入，而不需要失真图像以及主观分数，在测试过程中将状态值直接作为质量分数输出。实验结果表明，与其他不使用主观分数的无参考图像质量评价方法相比，本方法性能更加优异。