随着移动互联网革命的兴起,终端用户对图像、视频业务的需求量也随之增大,然而,由于信道环境的非理想特性,图像、视频经传输后,质量往往会受损,即会出现失真现象。为了提高用户体验,我们往往需要对失真图像进行质量评价,然后将失真图像的得分反馈回发端,然后发端通过一些自适应算法来减缓信道的非理想特性。因此,随着图像类业务需求的增多,使得图像类业务的质量评价成为必然,而好的质量评价算法必然会使大众受益无穷,本文正是基于这样的背景而提出了几种比较有效的图像质量评价算法。本文通过对现有的无参考图像质量评价方法进行研究,提出了以下几点研究成果：(1)提出了一种基于特征池的通用型无监督的无参考算法,该算法基于特征池的构造和感兴趣区域以及边缘区域的特征提取,最后通过衡量图像间关于特征池中“图像元”的分布来达到失真图像的质量度量。(2)提出了一种基于潜在狄利克雷分配(Latent Dirichlet Allocation, LDA)主题模型的通用型无监督的无参考图像质量评价算法,该算法先通过一些已有的图像集合来训练LDA模型,然后利用该主题模型对无失真图像和失真图像进行主题分布的挖掘,最后利用两者的主题分布的差异来对失真图像进行打分。(3)提出了一种“盲”图像质量评价算法,该算法通过对图像块小波域子带系数进行广义高斯分布建模(Generalized Gaussian Distribution, GGD)来得到小波域特征向量,然后利用多方差高斯模型对小波域特征向量进行GGD建模,随后利用多方差高斯模型(Multivariate Gaussian Distribution, MVG)对所得特征向量进行拟合,最后通过度量无失真图像的拟合参数值与测试图像的拟合参数值的差异程度来对图像进行打分。以上三种算法,经仿真结果表明,均表现出较好的评价性能。