La aplicación generalizada de imágenes de contenido de pantalla (SCIs) ha satisfecho las necesidades de visualización remota y trabajo en línea. Es un tema desafiante y que vale la pena discutir en la investigación sobre la evaluación de calidad para SCIs. Sin embargo, los métodos existentes se centran en la extracción de características artificiales para predecir la calidad de la imagen, que son subjetivas e incompletas, o carecen de buena interpretabilidad. Para superar estos problemas, proponemos un método efectivo de evaluación de calidad para SCIs basado en las características perceptivas visuales humanas. El método propuesto simula el mecanismo de trabajo de múltiples canales del sistema visual humano (HVS) a través de la descomposición piramidal y el proceso de extracción de información de los cerebros con la ayuda del aprendizaje de diccionario y la codificación dispersa. Los SCIs de entrada se descomponen primero en múltiples escalas, y luego se aplica el aprendizaje de diccionario y la codificación dispersa a las imágenes en cada escala. Además, los resultados de la representación dispersa se analizan desde múltiples perspectivas. Primero, se diseña un esquema de agrupación sobre la distribución gaussiana generalizada y la distribución log-normal para describir los coeficientes dispersos con y sin valores cero, respectivamente. Luego, los coeficientes dispersos se utilizan para caracterizar las características de energía. Además, se calcula la probabilidad de cada átomo para describir la propiedad estadística de los SCIs. Dado que el proceso anterior solo trata con el brillo, se añaden características relacionadas con el color para hacer que el modelo sea más general y robusto. Los resultados experimentales en tres bases de datos públicas de SCIs muestran que el método propuesto puede lograr un mejor rendimiento que los métodos existentes.