图像是一种视觉符号,是人类对客观对象的感知所形成的一种具有高度相似性和极度生动性的可视化描述。然而,图像在采集、压缩、处理、传输和复原的过程中由于失真的存在使其产生信息损失,进而严重影响人们的视觉感受。因此,需要设计出高效的图像质量评价算法,为图像处理算法的参数优化、图像分析系统的性能评估和图像识别设备的质量检测提供重要的指标和依据,从而向人们提供高质量的图像信息。本文针对失真会改变图像的自然场景统计特性这一点进行了深入研究。主要的研究内容概括如下:(1)提出了基于剪切波Shearlet变换的图像质量评价方法。结合Shearlet变换对视觉信息的稀疏表示能力和人类视觉系统对多媒体视觉信息的感知特性来描述因信息损失而导致的图像感知质量的变化。实验结果表明了所提算法获得的客观质量评价结果与人类对测试图像观测过程中所给出主观值具有较高的一致性。(2)提出了基于广义高斯模型的图像质量评价方法。该方法根据广义高斯分布模型来计算无信息损失图像样本的Shearlet系数分布模型参数,并以此分布模型作为无信息损失图像的标准分布。然后通过计算失真图像的Shearlet系数分布参数相对于标准分布参数的差异来获得失真图像的质量分数。实验结果表明所提方法预测结果的合理性和有效性。(3)提出了基于视觉感知的拍摄图像质量评价方法。从拍摄图像的失真本质出发,用色调和饱和度的统计特征来描述图像的色彩均匀程度,用亮度的统计特征来表征图像的曝光程度,用灰度图像的梯度信息来衡量图像像素点之间结构信息的变化,进而预测出拍摄图像的质量好坏。在拍摄图像数据库上的实验结果表明所提方法能够较好的反映人类视觉感知图像时的真实感受。上述研究从失真图像进行质量分数的预测时需要参考图像的部分信息,到预测过程完全不需要参考图像信息;从人为加工的失真图像数据库到多相机拍摄的失真图像数据进行算法设计。实际应用性逐渐增强,理论由浅入深,对基于自然场景统计特性的图像质量评价方法进行了深入的研究。