盲图像质量评价(Blind Image Quality Assessment,BIQA)是图像处理领域中一项以设计一种不依赖任何先验知识并能够自动评价图像质量的计算模型为目标的研究任务,其研究成果量化了图像的性能,为图像处理其他领域的研究提供了重要依据。本文以自然图像为研究对象,针对BIQA任务开展了以下研究工作。(1)针对现有的盲图像质量评价算法忽略了人眼视觉感知特性的不足,提出了一种基于视觉敏感度增强的双通道深度网络的盲图像质量评价算法。该算法将视觉敏感度特性与深度学习结合,分别从最小可觉差图像和原始失真图像中提取高级视觉感知特征和深度图像特征,并进行融合。此外,为了进一步提高算法性能,还设计了一种新的目标损失函数使得网络通过评估不同失真图像之间的质量等级从而学习到深层图像质量感知特征。通过实验验证,该算法的评价结果与人眼主观评价值的秩相关系数值在LIVE、LIVE Challenge以及TID2013数据集上分别达到0.98,0.88,0.78。(2)针对基于意见相关的盲图像质量评价算法通用性较低的问题,提出了一种基于视觉显著性与多特征融合的全盲(无监督)图像质量评价算法。该算法通过研究视觉初级感知特点,设计了新的用来表达图像对比度和色调失真的特征描述子,同时,结合图像的多阶自然场景统计特征、结构特征以及颜色统计特征来更全面地表达图像失真。然后,以视觉显著性机制为基础建立图像质量计算模型来预测图像的质量。通过实验验证,该算法的评价结果与人眼主观评价值的秩相关系数值在LIVE、LIVE Challenge以及TID2013数据集上分别达到0.93,0.54,0.48,相较于同类算法,准确性和通用性都得到了进一步提升。(3)本文将所提出的图像质量评价算法应用于经典的图像去噪算法BM3D,结合图像质量感知特征构建出一种噪声水平估计算法,从而指导BM3D自动地获取噪声方差参数。通过实验验证,该算法能够有效地改进BM3D算法的性能。综上所述,本文提出的盲图像质量评价算法在达到与人眼主观评价高度一致的效果并具有一定的通用性的同时,还能够与图像处理其他领域的算法相结合,具有一定的指导意义。