随着技术的进步和社会的发展,高质量的图像为人们的生产生活提供着更多的便利。但图像在采集、传输和显示等过程中易产生失真现象,影响图像质量,因此对图像质量评价算法的研究具有重要意义。目前评价算法按依赖参考信息的程度可以分为全参考,部分参考和无参考图像质量评价,其中无参考图像质量评价算法由于完全不依赖参考信息,在实际场景中应用最为广泛。图像对比度失真是数字图像中一种常见的失真类型,然而目前研究人员针对图像对比度失真的无参考图像质量评价算法的研究较少。因此本文主要针对图像对比度失真设计具有低复杂度的无参考图像质量评价算法。本文的工作内容如下:（1）基于客观统计特性的评价指标研究。首先基于对比度增强算法生成对比度渐变图像序列。然后通过深入研究图像序列以及对应直方图的变化特点,并将变化特点量化成客观特征。最后得到图像局部对比度特征与直方图形状特征,并通过实验验证了其有效性。（2）基于主观感知特性的评价指标研究。首先通过观察图像序列,发现图像亮度能够影响人眼视觉对于图像对比度的感知,因此将其作为图像统计特征并通过图像平均灰度进行量化。然后将最小可觉察误差（Just Noticeable Difference,JND）作为权重因子融合到图像亮度特征。最后得到具有人眼主观感知特性的图像亮度特征,并验证了特征能够有效反映图像对比度。（3）针对图像对比度失真的无参考图像质量评价算法。本文首先分别从客观统计特性,主观感知特性,图像色彩特性三个方面提取到包括图像局部对比度,直方图形状,图像离散度,图像亮度以及图像色彩五种统计特征,并基于图像直方图进行量化。然后利用支持向量回归（Support Vector Regression,SVR）进行训练,将提取的图像量化特征进行融合,实现图像质量的评价。最后在公共图像质量评价数据库进行实验,实验结果证明了所提算法的优越性和鲁棒性。同时由于算法基于直方图实现特征量化,保证了算法具有低的复杂度。