随着信息技术的高速发展,图像在人类获取信息中扮演着越来越重要的角色,图像质量关系着获得信息的充分性及准确性。图像在获取、处理、传输及保存等过程中,因各种因素影响将不可避免产生降质问题,这给信息捕获及图像后续处理造成极大困难,于是创建高效的图像质量评估方法具有十分重大的意义。由于图像最终由人眼视觉系统(Human Visual System,HVS)观测,因此如果在评价过程中把HVS的影响考虑进去将会有效提升客观评价与主观评价的一致性。同时,自然场景统计特性(Natural Scene Statistics,NSS)作为图像的本质属性,其变化与图像质量密切相关,因此本文主要以HVS和NSS为基础,在无参考图像时和有参考图像时对图像质量进行准确评估。论文主要研究内容及成果如下:1.提出了一种基于离散余弦变换(Discrete Cosine Transform,DCT)和稀疏表示的无参考型质量评价方法,主要用于解决未知参考图像时,不能对多种失真类型的图像质量进行准确评估的问题。该方法根据图像保持自然性的程度来对其质量进行评判,由于DCT系数分布情况是重要的NSS特征,其变化情况与失真强度及类型密切相关,利用其分布拟合参数作为特征,结合稀疏表示和聚类分析方法对图像特征信息高效建模进而实现质量评价,LIVE2中实验证明,该算法可在无参考图像时对多种失真类型图像进行质量评估,且与主观结果保持高度一致。2.提出了一种基于边缘信息的全参考型图像质量评价方法。由于以往客观评价方法通常不考虑视觉系统特性,而生理学证明人眼观测图像时往往更能抓住边缘信息的变化,因此我们利用HVS这一特性对经典结构相似性测度(Structural SIMilarity,SSIM)进行改进。该算法首先提取参考图像和失真图像的边缘信息(包括边缘方向、梯度及梯度对比度等),结合图像亮度信息获取图像质量。LIVE2中实验证明,本算法与其他大多数全参考算法相比,除白噪声类型外对其他失真类型图像质量的预测结果与主观判断都能保持高度一致,且算法复杂度较低。3.提出了一种基于视觉显著性的全参考型质量评价方法。通过对HVS的研究,发现HVS会根据图像的不同失真程度和失真区域产生不同响应,因此依据这一特性我们将视觉显著性作为权重与图像结构特征相结合得到结构相似性测度,将视觉显著性与信噪比相结合获得信噪比测度,根据两种测度对图像质量整体的影响程度,加权结合最终获得图像质量,LIVE2和TID2008中实验证明,该算法在复杂度、鲁棒性和与主观评价的一致性方面都有明显优势。