人类从外界获得的信息约有75%是从图像中获得的。随着计算机科学技术的发展,图像工程已经广泛地应用于国民经济中的各个领域。虽然图像技术取得了迅速的发展,但目前有限的硬件资源使得在具体应用中仍需要在图像处理算法和设备的设计中做出某些折衷,如算法的有效性与网络带宽的折衷等。折衷的结果势必会影响到重建图像的感观效果。为了取得最优的选择,有必要知道选择的结果会给图像感观造成怎样的影响。通过对图像质量进行客观评价,可以对图像处理方法进行有效的评估,最终得到较好的图像视觉效果。在各种图像质量评价方法中,由于无参考型方法具备无需任何参考图像信息,可以直接应用于系统终端的优点,受到广泛而深入地研究。本文主要对图像质量评价领域中针对自然图像的无参考型方法进行了系统而深入地研究。首先,对小波变换以及自然图像在小波域的统计特性进行了简要介绍,在此基础之上提出了一种基于小波域统计特性的无参考型自然图像质量评价算法。其次,将小波扩展到一种更为有效的图像表示方法——Contourlet,根据自然图像在Contourlet域特有的统计特性,更为精确地建模图像质量特征,从而得到一种基于Contourlet域统计特性的无参考型自然图像质量评价算法。该算法从多尺度多方向的角度来准确描述自然图像的质量特征,通过捕获不同失真对Contourlet系数之间关系的影响来表示视觉质量。实验结果表明该算法与主观实验结果具有较好的一致性。最后,将变换域图像建模进一步扩展到隐马尔可夫模型,提出了一种基于小波域隐马尔可夫树的无参考型自然图像质量评价算法。该方法利用隐马尔可夫模型这一有力的数学工具,在小波域内通过刻画小波系数在子带内、子带间以及尺度间的关系来准确地表示图像信息的失真。实验结果证明了所提出算法的可行性和有效性。