在采集、处理、传输和记录遥感图像的过程中,常会造成图像的失真和降质,其原因包括成像系统不稳定、处理方法不恰当或传输介质/记录设备不可靠等。因此,图像质量评价方法是遥感系统中不可或缺的组成部分,能够分析图像采集和处理的效果,反馈图像传输和记录的质量,从而自适应的帮助调整遥感器参数。根据评价对象的不同,主要包括主观和客观评价方法。本文针对遥感图像质量评价,深入探讨主观和客观评价中的若干理论与方法问题,具体工作包括以下三个方面。第一,建立了遥感图像专家评分库。将采集得到的遥感图像作为真值,对其进行处理产生仿真的失真图像。本文采用现在主流的主观质量评价方法,设定特定的实验室环境,对这些图像进行评分,从而得到专家评分库。在后续评价所研究和实现的客观质量评价方法时,都以该库作为依托。第二,将人类视觉系统(HVS,Human Visual System)引入结构相似度(SSIM,structural similarity)模型,设计了一种遥感图像全参考质量评价算法。首先,利用亮度对比度、纹理复杂度和空间位置等空间域视觉特征,生成原始的视觉感知图,并通过计算块结构相似度生成失真感知图；其次,根据视觉感知图确定视觉特征显著区域,根据失真感知图确定失真严重区域,并进一步考虑,由视觉特征显著或失真严重会引起视觉注意焦点的转移,这对视觉感知产生影响,从而生成新的视觉感知图。最后,利用原始的和后生成的两个视觉感知图对块结构相似度进行加权,获得图像最终的客观质量评价结果。第三,分别将对比度模型／模糊模型和HVS进行融合,完成了两种遥感图像无参考质量评价算法的研究。基于对比度的评价模型,通过分析人类视觉系统感兴趣的特征,在原始的图像对比度模型中引入了视觉感兴趣区域和非视觉感兴趣区域这两个加权因子,从而建立了基于HVS的对比度模型；基于模糊的评价模型,根据HVS的掩盖特性,在原始的图像模糊模型中引入了亮度掩盖模型和空间复杂度模型,建立了基于HVS的掩盖特性的模糊模型。