近年来，基于人眼视觉系统的图像质量评价成为提高现有显示系统质量或开发新显示技术的研究新热点。论文创新性地引入JND（Just noticeable difference：JND）为自然图像不同属性的统一单位，度量各属性变化对主观图像质量的影响，建立这些属性与主观图像质量间的关系模型。该模型为显示系统工业设计提供理论依据，可用以指导有限投入下如何最大限度地提高消费者感受到的图像质量。 论文选定了四个相互独立的图像属性：色饱和度（Color Saturation）、峰值亮度（White Level）、暗场亮度（Black Level）和细节层次感（Contour Rendering），涵盖了图像质量的重要影响因素。首先测定一般观测条件下自然图像各属性的JND单位，而后以JND为单位不同程度地调节图像各属性，研究其对主观图像质量的影响，即建立图像属性与主观图像质量的关系模型。同时，论文还分析研究了其他会影响JND值的因素，如文化差异、图像内容及关注区域等，提出了JND的客观评价理论模型，实现了自动预测自然图像属性的JND值，进而达到了智能化评价自然图像的显示质量。论文具体内容概括如下： 研究了试验方法对自然图像不同属性JND的影响。研究了不同阈值检测方法对图像的WL、BL、CS和CR等阈值检测的影响，提出改进的阶梯法结合二项迫选法既能满足阈值实验的精度要求，又能保证实验的高效性，可以为相关的心理阈值检测实验及设计提供指导意义。 测定了自然图像属性的JND单位．通过主观实验确定了一般观测条件下自然图像不同属性的JND值：BL的IND介于0．2-0．8cd/㎡间，WL的JND在20-50 cd/㎡间波动；CS的JND大约为△E94＝0．8±0．3（均值±标准偏差），CR的JND在LCD显示器上大约为σ=0．5，相当于高斯模糊宽度为1．5’的视角。采用实验验证了不同属性单位JND改变量间的视觉等效性。在此基础上，采用二分法建立了JND阈上感觉的心理量表。 建立了图像内容对JND影响的关系模型。图像内容对CS和CR的JND无显著影响，而对WL和BL的JND有显著影响。在评估JND时，对BL关注较暗的区域，对WI关注较亮或色彩较鲜艳的区域，对CS关注色彩最鲜艳的区域。对图像纹理、色彩、亮度等特征的提取及分析表明BL和WL主要受图像平均亮度的影响，据此建立了WL的JND、BL的JND与图像亮度的关系模型。 提出了主观评测JND的关注区域选取算法。由于关注区域对JND有重要影响，提出了自动提取被试关注区域的算法。采用关注区域的图像特征有效地改进了图像内容与JND的关系模型，证明JND主要受图像的关注区域影响。与WL相比，关注区域对BL的JND的影响更大。 评估了文化差异对JND的影响。分别在荷兰和中国重复实验研究两国人JND值间的差别，以期指导针对不同市场的优化设计。对大部分图像，中国人和荷兰人在WL和CS的阈值上没有显著差别。少量图像BL的JND间的差异源于部分被试关注区域的不同。 实现了以JND为单位的主观图像质量评价。研究改变各图像属性对整体图像质量的影响，进而建立了以JND为单位的图像属性与整体主观图像质量的关系模型。 主观图像质量=4．83-0．94℃R-0．37*WL-0．10*BL-0．07℃S-0．06*BL℃S-0．11*WL℃S-0．11*BL*WL+0．03℃R℃S+0．02*BL℃R+0．12*WL℃R CR对整体图像质量影响最大，其次为WL。BL和CS对整体图像质量的贡献最小。