现实世界中图像受到许多因素的干扰导致质量上的下降,主要有噪声和模糊的表现形式。检测和分析出图像中这些降质的量化程度是很多计算机视觉任务中的重要环节。本文的工作就是研究图像中局部可感知的噪声和模糊自适应检测算法。在噪声检测方面,本文提出了基于可感知的全参考和无参考客观图像质量准则,将局部可感知噪声的权重结合到概率累加模型中。实验表明,相对其它现有的质量准则,本文所提算法在LIVE和TID2008数据库上都取得了良好实验表现,除了能够准确预测出不同噪声种类和不同实验数据库图像的受噪声污染程度,鲁棒性上也要略胜一筹。在模糊检测方面,现有方法计算复杂,并且在处理离焦或者局部模糊这些空间变化模糊时表现不佳。本文通过将方向边缘扩散函数结合进局部概率累加模型中,以此实现对空间变化图像模糊的检测和量化评估预测;为了评估局部模糊的相对程度,我们提出一种感知基于显著模糊图的方法;为了检测出平坦区域,提出了一种基于最小可觉差的感知模型。实验结果显示,相比现有其它方法,所提方法对模糊程度的评估更加准确。