自然场景是高质量仪器在视觉环境中获取的可见光谱图像与视频的统称。自然图像包括户外场景图像、人造物体图像与室内场景图像等,从而与计算机合成的图像、卡通,由雷达、声纳、X光、超声等非视觉刺激图像以及文字等区分开来。因此,在由所有可能的图像构成的空间中,自然图像只占据了其中很小的一个子空间。关于这个子空间的先验知识,以及据此建立的统计模型是图像处理与计算机视觉研究邻域很多问题的研究基础。本文基于自然场景统计模型,提出了一种自然场景统计显著图模型,从而可模拟人类视觉系统的注意力选择机制。自然场景统计显著图模型利用自然场景高斯尺度混合统计分布中的乘数随机变量来计算图像显著图。同时,我们也根据人眼对图像彩色信息的处理机制,将其拓展到彩色图像显著图的提取中。分析与实验结果同时表明：本文提出的显著图模型与视觉注意力选择机制具有较高的一致性,即能够在抑制重复出现的刺激同时,突出显著性较高的视觉刺激,从而更好地描述了图像对人眼视觉刺激的显著性分布。另外,本文基于自然场景统计模型,提出了一个图像质量盲评估的统计测度。该测度首先根据自然图像的统计性质与失真图像的模型,实现对图像小波系数分布参数的盲估计；再利用估计的分布参数来计算失真图像与参考图像之间的互信息,以量化失真图像对参考图像的保真度,进而实现对图像质量的评估。本文提出的图像质量盲评估测度避免了对参考图像的依赖,且克服了现有图像质量盲评估对特征选择与提取、机器学习等过程的依赖。在公开数据库上的总体评估结果表明：本文提出的盲评估统计测度对图像质量评估结果与数据库的主观评估结果高度一致,且优于文献中报道的盲评估测度。最后,本文介绍了基于显著图模型的图像质量评估方法。通过对比不同的显著图模型对几种图像质量全参考评估算法性能的提升,证实了自然场景统计显著图模型的有效性与优越性。特别地,本文介绍的结合自然场景统计显著图与图像质量盲评估统计测度的方法,在公开数据库上的测试结果表明：基于自然场景统计显著图模型的盲评估算法性能得到了进一步提升。