随着时代的发展,对图像的获取、传输、处理等日趋频繁,其中的每个过程都需要评价图像质量,因此图像质量评价已经成为图像处理领域的一个热点问题。图像质量评价通常可以分为主观和客观质量评价。由于人是图像的最终接受者,主观图像质量评价是最可靠的,但在实际应用中,其费时费力,且无法嵌入自动化系统中,为此客观质量评价必不可少。客观图像质量评价根据有无参考图像信息可分为全参考、半参考和无参考图像质量评价。全参考和半参考方法需要原始图像的全部或者部分信息,在很多时候,原始图像信息难以获取或者获取代价太高。而无参考方法不需要原始图像的任何信息,因此研究有效的无参考方法显得尤其重要。本文研究的主要是无参考图像质量评价,主要内容如下:1.通过研究双树复小波变换的基本原理,提出了基于双树复小波变换的无参考图像质量评价方法。该方法首先计算双树复小波分解后实子带与虚子带的能量值,然后将能量值作为输入特征,图像的主观质量得分作为输出数据,使用支持向量机建立基于双树复小波变换的图像质量评价模型,预测得到图像最终得分。实验结果表明,该方法有较好的主观一致性,并且优于同条件下基于小波变换的质量评价模型。2.通过研究轮廓波变换的基本原理,提出了基于轮廓波变换的无参考图像质量评价方法。该方法首先将图像进行轮廓波分解,提取以下特征:尺度内方向子带视觉敏感区域能量值、尺度间方向子带能量差、尺度内方向子带相邻像素统计关系、尺度间方向子带相邻像素统计关系,然后利用支持向量机分别建立了基于轮廓波变换的一步框架以及两步框架图像质量评价模型,预测得到图像最终得分。实验结果表明,该方法与人类主观感知得分之间有较好的一致性,并且具有较低的时间复杂度。3.提出了结合轮廓波域与空域特征的无参考图像质量评价方法,利用轮廓波域与空域的不同特点,从尺度、方向、像素三个方面提取图像特征建立质量评价模型。该方法首先在轮廓波域内对图像进行轮廓波分解,提取尺度特征互信息和方向特征能量,然后在空域内提取经过高斯函数拟合得到的像素特征形状、方差和均值,最后通过支持向量机进行训练学习,建立了一步框架及两步框架图像质量预测模型。实验结果表明该方法与主观感知得分之间有较好的一致性,总体性能优于当前相关文献报道方法。