针对通用型无参考图像质量评价（NR-IQA）算法，提出一种基于伪参考图像显著性深层特征的评价算法。首先，在失真图像的基础上，利用微调的ConSinGAN模型生成相应的伪参考图像作为失真图像的补偿信息，弥补NR-IQA算法缺少真实参考信息的不足；然后，提取伪参考图像的显著性信息，将伪参考显著性图像与失真图像输入到VGG16网络中提取深层特征；最后，融合二者的深层特征并将其映射到由全连接层组成的回归网络中，从而产生与人类视觉一致的质量预测。为了验证算法的有效性，在四个大型公开的图像数据集TID2013、TID2008、CSIQ与LIVE上进行实验，结果显示所提算法在TID2013数据集上的斯皮尔曼秩相关系数（SROCC）比H-IQA算法提升了5个百分点，比RankIQA算法提升了14个百分点，针对单一失真类型也具有稳定的性能。实验结果表明，所提算法总体表现优于现有主流全参考图像质量评价（FR-IQA）和NR-IQA算法，与人类主观感知表现一致。
