近年来,随着硬件资源的飞速发展,人们的信息生活、日常生产方式日益丰富,各类图像作为视觉信息载体更是井喷式填充着互联网存储。各类图像在获取、压缩、传输和存取过程中常常会引入失真,因此图像质量评价是图像、视频处理系统、摄录设备性能检测的一项重要指标,同时也可为智能监控、自动对焦领域提供有效的参考。与人类视觉系统相关的的图像质量评价方法是当前研究的热门方向。支持向量机(Support Vector Machine,SVM)的优势促进了核方法的迅发展,逐渐渗透到了机器学习中的诸多领域。为了应对更高维度、分布更为复杂的数据,多核方法亦成为一项研究热点。本文以多核学习方法为基础,研究了无参考多失真类型的评价算法,主要工作如下:1.提出了多核学习纹理特征的平面图像质量评价算法。该方法提出了结构张量平坦区域概念,并加入到纹理特征提取范围,结合相位一致,使用了修改过的灰度-梯度共生矩阵以及灰度共生局长,提取了丰富的纹理特征,同时通过单核学习机寻找有效组合实验我们发现,本文所提取的纹理特征与具体失真难以明确匹配,并且单核学习方法无法有效的对这些纹理特征有效的建模,因此使用了基于分层多核的学习机进行训练学习,并且在多个实验库交叉验证也取得了良好稳定的评价结果。同时,沿用了上述平面评价算法,对图像混合失真结合本方法特征进行了详细的分析,详细描绘了单样失真在第二种失真加入后特征曲线的变化,以及两种失真同时存在时特征曲线的变化规律,形象的表明了特征面对多样的情况下都能抓住失真在自然图像中的异常部分,并且在对比中取得良好的结果。2.多核学习纹理特征的立体图像质量评价算法。首先描述了该方法所使用的视差图提取方法,然后根据该方法的原理,相较于现有算法首先加入了误差能量图,并详细的对误差能量图特征的统计曲线与实际失真情况进行匹配,表明了新加入特征的有效性,并提出使用上述平面评价方法中的纹理特征刻画立体图像的视差信息。通过多核学习机在LIVE立体图像库上建立了多失真类型混合测试结果较高的模型。3.多核学习非下采样Contourlet变换特征的平面图像评价算法。该方法为了解决非下采样Contourlet变换提取多通道多方向子带时间问题,减少变换方向,使用自定义的高频能量指标结合梯度平均,信息熵,输入多核学习机,在LIVE平面图像库上取得了较好的结果。