本发明公开了一种基于多局部图自适应加权的无参考图像质量评价方法，主要解决现有无参考图像质量评价方法在学习失真图像的全局内容语义时对样本量极少的公知数据库训练不充分、评价准确度不高和采用图像切块策略进行数据增强导致图像内容语义的全局性被破坏、算法泛化性能下降的问题。本发明的实现步骤为：构建质量评价网络和样本重要性加权网络；利用生成的训练集和元参考集交替训练质量评价网络和样本重要性加权网络；对失真图像进行质量评价。本发明在样本量不足时，充分扩增数据量的同时考虑图像全局内容语义，自适应地为训练集中局部图分配重要性权重，提高算法的泛化性能。