视觉信息是人类获取信息的最主要途径,人类的发展与社会技术的进步推动我们在可视信息的采集、显示、存储、传输等方面取得了长足的进步。数字图像、视频的日益成为成为人们日常生活中离不开的媒体信息。在数字图像的获取、处理、编码、存储、传输和重建的每一个步骤中,通常都会对图像的质量产生影响。失真图像由于损失了部分甚至全部信息,以至于达不到应用的要求。如何衡量系统获取、重建、接收的图像质量的优劣,以及如何设计简单、高效的图像质量评价算法成为亟待解决的问题。图像质量的客观评价算法根据是否需要参考图像的信息分为三类：全参考、半参考和无参考评价方法。本文根据此分类分别从三个方面对客观评价算法进行了研究。首先,根据人眼视觉的特性,提出在全参考评价算法实现过程中,图像的不同区域应加以区别对待,特别是结构区域与平坦区域、复杂区域的区别。其次,根据结构在视觉感知中的重要性,提出基于结构信息统计的半参考评价算法。最后,结合常见的失真现象——模糊,提出基于局部峰度的无参考图像模糊度量算法。本文主要工作如下：1)根据HVS中不同区域具有不同的视觉感兴趣度的特性,提出了基于局部重要度的图像质量评价算法。一幅图像被观察时,其不同区域受到的关注度是不一样的。在一般的图像处理中,根据图像的纹理特性分为纹理区域和平坦区域,分别对这两部分进行处理。然而图像的掩蔽效应显示,图像的纹理区域中的结构区域应该受到更多的关注,因为它表征了图像主要结构特征。据此,将图像的纹理区域通过显著度图提取而区分为结构区域和复杂区域是必要的。通过这样区分,图像被区分为平坦区域、结构区域、复杂区域,在图像质量评价中分别对这三部分区域赋予不同的权重,能够更符合人眼对图像失真的主观感受,客观评价值与MOs值的相关度更高。2)针对传输等无法完全获取参考图像的应用场合,根据人眼视觉对图像结构的天然提取特性和对这一特性的高度适应性,提出了基于结构测度的半参考评价算法。在某些图像处理的应用中,只能取得参考图像的部分信息,如传输等,这也就限定我们只能利用参考图像的少量特性信息来评价图像质量,如何提取能充分度量图像失真的特征信息成为关键。人眼对图像结构具有很好的提取性能以及高度的适应性,一般而言,自然图像中由于各个结构所表示的内容不同,在传输、压缩等过程中,图像的结构信息发生了降质从而导致整幅图像的失真。本文从图像的结构表示入手,根据图像结构信息在图像失真中的变化特点,提出了基于结构测度的半参考图像质量评价算法,适用于难以获取参考图像,或者获取参考图像代价过大的应用场合。3)针对不存在参考信息的应用场合,提出了基于局部峰度的图像模糊度量算法。一般来说,图像是非平稳信号,但在许多图像处理流程中,都从统计上把图像看做平稳过程,这样就可以应用统计理论来分析图像的各类特性。本文分析了二维随机场和图像信号之间的关系,结合已有的图像二维随机场近似方法,提出基于高阶统计量的图像模糊度量。本文分别对一维、二维的高阶统计量进行了实验验证和比较,通过分析,得出一维局部峰度是理想的图像模糊度量方式。通过以上研究,表明图像质量的评价算法应与应用场合和失真类型相结合,在全参考评价算法中,结合图像的局部视觉感知重要性是较为理想的评价算法；而在半参考情况下,对失真表现敏感的结构信息可以很好的衡量接收到的图像质量；对图像进行无参考评价难度大,需要根据失真类型来加以区分,基于局部峰度的模糊度量不失为一种简单、性能良好的算法。