与从现实场景中拍摄的自然图像不同，屏幕内容图像是一种合成图像，通常由计算机生成的文本、图形和动画等各种多媒体形式组合而成.现有评估方法通常未能充分考虑图像边缘结构信息和全局上下文信息对屏幕内容图像质量感知的影响.为解决上述问题，本文提出一种基于边缘辅助和多尺度Transformer的无参考屏幕内容图像质量评估模型.首先，使用高斯拉普拉斯算子构造由失真屏幕内容图像高频信息组成的边缘结构图，然后通过卷积神经网络（Convolutional　Neural　Network,CNN）对输入的失真屏幕内容图像和相应的边缘结构图进行多尺度的特征提取与融合，以图像的边缘结构信息为模型训练提供额外的信息增益.此外，本文进一步构建了基于Transformer的多尺度特征编码模块，从而在CNN获得的局部特征基础上更好地建模不同尺度图像和边缘特征的全局上下文信息.实验结果表明，本文提出的方法在指标上优于其他现有的无参考和全参考屏幕内容图像质量评估方法，能够取得更高的主客观视觉感知一致性.