图像失真类型的判定对卫星遥感图像质量评价、卫星遥感图像复原以及光学遥感成像链路修正等多个领域具有非常重要的意义。基于卷积神经网络实现的基础上,根据人眼视觉特性以及图像失真的规律,分别提出了基于双通道卷积神经网络的图像单失真类型判定方法和基于多尺度多分类器卷积神经网络的混合失真类型判定方法。基于双通道卷积神经网络的图像单失真类型判定方法根据人眼主要对图像的中高频信息敏感这一规律,采用信息熵阈值截取的方法,从图像中截取边缘或纹理等区域。采取Haar小波变换从图像块中得到反应图像失真特征的高频信息特征图。将图像块与对应的高频信息特征图分别输入网络不同的通道中,实现对单失真图像的失真类型判定。实验结果表明:相比于其他失真类型判定算法,本算法对LIVE数据库中图像的单失真类型判定准确率达到了95.21%,表明了本算法能够准确的判定出图像中存在的单失真类型。基于多尺度多分类器卷积神经网络的混合失真类型判定方法采用深度学习的多标签分类思想实现图像混合失真类型的判定。采用信息熵阈值的方法从图像中截取得到含有边缘或纹理信息的图像块,将图像块输入不同感受野的卷积层中得到浅层的多尺度特征图。将浅层特征图分别输入到对应的不同子分类器的卷积层中,针对子分类器所要判定的失真类型进行更深层次的特征提取,将深层特征图输入到全连接层中,通过分类器得到子分类器的判定结果。最后将子分类器的判定结果融合得到图像的混合失真类型。实验结果表明:本算法在NSMDID数据库中图像的混合失真类型判定准确率达到了91.358%,表明了本文算法能够有效的判定出图像中存在的混合失真类型。