图像在采集、存储、处理以及传输过程中,由于采集系统、存储介质、处理算法及传输设备的影响,不可避免地会造成图像的降质,使图像的应用价值下降,甚至无法满足图像系统或观察者的需求。图像质量是图像系统的各个环节中技术优劣的直观反映,为了控制和增强图像质量,首先需要识别和量化图像的降质程度。所以,如何对图像质量进行自动、准确而有效地评价是很有意义的研究课题。最可靠的评价图像质量的方法是人的主观判断,然而主观评价建立过于费时费力、成本高昂,其评价结果稳定性较差,难以取得实际应用。因此研究可计算的质量评价模型,定量测量图像质量,并使测量结果尽量贴近人的主观视觉感受是近年来的热门研究方向。本文研究视觉特征提取技术及在图像质量评价中的应用,重点针对全参考和半参考图像质量评价领域中的单尺度、多尺度及统计特征的提取,相似性度量与合并策略等问题进行了研究。首先,本文提出了一种基于边缘特征的全参考图像质量评价方法。本算法依据人眼易于提取图像结构信息的前提,从图像结构信息最丰富的区域——边缘中提取视觉特征。通过观察发现,当图像被噪声污染时,不但边缘像素梯度的幅度值会改变,梯度的方向也会改变。这些改变导致边缘中的结构信息发生变化,使人眼感觉到图像质量的改变。因此本文提取基于幅度加权边缘方向直方图,作为同时描述局部边缘像素梯度幅度和方向中的结构信息的特征,再根据不同失真类型对于该特征的影响,从特征的单个维度和总体形状角度分别定义参考图像与失真图像之间质量特征的相似性度量。最后将多种局部特征相似度平均融合得到图像的总体质量评分,使得算法可以适用于多种失真类型和失真程度。实验结果验证了我们所提取的特征以及整体算法的有效性。其次,研究了多尺度特征的提取方法,提出了一种基于多尺度小波特征的全参考图像质量评价方法。该方法用小波变换模拟人眼的多通道特性,从小波系数中选拔出多尺度小波领袖,突出图像的边缘和轮廓信息。本文将小波领袖金字塔作为质量特征引入到图像质量评价领域更符合人眼视觉对物体和场景的认知与理解。接着,基于视觉信息保真度算法逐个尺度计算参考图像与失真图像视觉特征的之间的相似度,作为单个尺度的质量评分。最后对视觉保证度算法的多尺度合并策略进行改进,采用单尺度的质量评分与真实标注值之间的相关性作为该尺度的权重,由加权融合的合并方式得到整幅图像的客观质量评分。我们的权重计算方法使中频子带的权重值最大,高频和低频子带权重值较小,这与人眼视觉系统中的对比度敏感度特性更相符。实验结果表明,我们的方法具有更高的评价准确率和更快的运算速度的优点。最后,研究了半参考图像中的统计特征的提取方法。利用自然图像像素域的统计特性,本文提出一种基于图像统计特征和显著特性的半参考图像质量评价方法。首先基于自然图像统计特性对图像的梯度分布建模,由模型参数构建了与人眼视觉特性高度相关的质量特征。接着由拟合模型之间的相似度定义了局部质量评分。最后,提出了一种基于图像局部显著特性的合并策略,我们构建了自然图像数据库,采集用户观看时的眼动数据,提取数据库中人眼注意区域的质量特征。再用统计学习的方法,估计质量特征的概率分布,概率越高表示该特征对应的图像块越显著。在合并过程中,由参考图像局部的质量特征即可预测该图像块的显著程度,在不增加算法中需要参考图像提供的信息量的情况下,得到合并权重。本文所提出的特征数据率低,相似度计算量少。实验结果表明,与其他半参考和全参考方法相比,整个算法与主观评价结果具有更好的一致性。