红外图像评价具有重要的理论意义与工程价值。一方面,红外图像质量是决定红外成像系统性能的重要指标。另一方面,对输入红外图像进行有效评价是红外图像算法性能评估的前提。红外图像评价的特殊之处在于大部分红外图像没有参考图像,属于无参考质量评价范畴。当前的红外图像评价方法不具备普适性,并且这些方法相互独立,没有形成公认的、完整的评价体系。探索、建立一套有效的红外图像无参考图质量评价体系成为本文的主要研究内容。此外,图像分割是众多图像处理算法(如目标检测、特征分析、目标跟踪、精确定位)的基础。图像分割的重要意义促使我们针对红外图像质量评价在图像分割中的应用也进行了相关研究。我们提出了一套新的红外图像无参考图质量评价体系。与现有评价方法相比,新体系具有如下优势:评价方法之间具有很好的互补性,构成了完整的红外图像质量评价体系;针对红外图像的不同应用场合(人在回路系统、自动目标识别系统),分别沿着不同的技术路线(基于人眼视觉特性、与图像算法性能相关)构建红外图像质量评价方法。评价方法充分考虑了质量评价过程中,没有参考图像的特点。本文的创新点及相关工作可归纳如下:1、针对红外图像背景杂波量化问题,通过比较图像中各个背景区域与目标区域的显著低阶特征,即相位一致性、梯度幅度等信息,研究了一种基于人眼视觉特征的红外图像背景杂波量化方法。实验表明,所提杂波量化方法能够准确度量红外图像的背景杂波强度,其度量结果与视觉感知具有很高的吻合度,与现有杂波量化指标相比,其量化结果与实际情况更加吻合。2、通过分析红外图像中干扰目标检测性能的因素,提出了一种面向目标检测性能的红外图像质量评价方法。为了量化描述这一方法,定义并设计实现了利用全局背景干扰度、局部背景相似度对背景干扰程度的定量描述。实验结果表明,与传统图像质量评价指标相比,所提指标的评价结果与实际情况更加符合,与红外目标检测算法性能具有较好的相关性。3、针对红外图像序列,分析了序列中干扰目标跟踪的因素,得出“红外序列图像的帧内图像质量与帧间目标信息变化将共同影响目标跟踪效果”的结论。在此基础上提出三个新的红外序列图像评价指标:帧内目标信息遮隐程度、帧间目标灰度信息变化程度、帧间目标运动信息变化程度,并给出具体定义及详细计算方法。实验表明,所提指标适用于红外序列图像的质量评价,与跟踪算法性能具有很强的相关性,是一种有效的红外序列图像质量评价方法。本文工作弥补了红外图像算法性能评估领域中针对序列图像质量评价的不足。4、针对红外图像评价方法在图像分割中的应用,分析了红外图像中干扰分割算法性能的因素,提出图像局部活跃度指标用以定量描述上述因素。接着从以下两个方面进行相关研究:(1)利用图像局部活跃度指标自适应确定Stewart PCNN模型的关键参数,从而解决了该模型的关键参数需要人工实验,反复确定的缺陷。(2)现有图像分割算法性能评估方法往往忽略了图像质量的影响,对于算法整体性能评估和不同算法间的比较选择的意义并不大。针对上述不足,我们在图像局部活跃度指标的基础上,提出了图像活跃度指标,进而利用该指标,结合传统优度法,构造了一种基于图像质量的图像分割算法性能评估方法,即加权优度法。本文工作为进一步开展无参考图红外图像评价工作奠定了良好的基础。