Récemment, diverses métriques d’évaluation de la qualité d’image (IQA) fondées sur la similarité des gradients ont été développées. Dans cet article, nous étendons le travail sur l’indice de déviation de similarité de grandeur de gradient (GMSD) et proposons une métrique plus efficace. Tout d’abord, nous introduisons un nouvel indice de similarité, permettant de régler de manière flexible le paramètre d’atténuation afin de mieux correspondre au système visuel humain (HVS). Ensuite, nous proposons une méthode multi-échelle basée sur GMSD, en intégrant les scores de distorsion de luminance obtenus à différentes échelles. Par ailleurs, nous introduisons une méthode de mesure des distorsions chromatiques dans l’espace colorimétrique YIQ, fondée sur notre métrique. L’indice final d’IQA, noté MS-GMSD c , est obtenu par combinaison des scores de luminance et de chrominance. Les résultats expérimentaux sur quatre jeux de données complets montrent clairement que, comparé à 14 méthodes d’IQA de pointe, notre approche atteint les meilleurs résultats tant pour l’évaluation d’images en niveaux de gris que pour celle d’images colorées.