随着多媒体和网络技术的飞速发展,人与人之间的远程联系越来越频繁。图像作为人们获取信息的重要手段,在人们的工作和生活中的应用越来越广泛,人们对于图像质量的要求也越来越高。对于图像质量评价的方法也应运而生,主要分为主观质量评价和客观质量评价。主观质量评价是由观察者也就是人,对于图像的质量做出评价。为了确保准确性,通常对评价条件有严格规定,并且希望参与评价人员尽量多,这就造成主观质量评价的高成本和低效率,而且受人的主观因素影响较大。所以客观质量评价成为研究的重点。根据对参考图像的依赖程度,客观质量评价分为全参考、减参考和无参考三种评价方法。然而在图像获取、传输、读取及存储过程中都会造成图像质量的退化,特别是近年来,由于雾霾的影响,使图像在获取过程中便引入退化。因此,图像去雾技术引起学者们的重视,得到显著发展。典型的图像去雾技术分为基于图像增强的去雾方法和基于图像复原的去雾方法。对于图像去雾效果的评价目前尚没有统一公认准确的评价方法,大多采取主观评价的方法对去雾效果进行评价。对去雾图像的客观质量评价方法通常是基于有雾图像对比度较低的先验知识,利用图像对比度对去雾效果进行评价。对于去雾过程中会发生颜色失真的现象,可以采用结合对比度和颜色两个方面考虑对去雾图像进行质量评价。本文借鉴一种基于自然统计特性的无参考质量评价方法BRISQUE所提取自然统计特性对去雾图像质量进行评价。BRISQUE方法中,提取均值对比规范化系数MSCN,通过使用广义高斯分布对该系数分布进行拟合,从而提取出特征参数。另外对相邻的MSCN系数作乘积,对其分布使用非对称广义高斯分布进行拟合,得到第二批特征参数。根据特征参数对于各种图像退化的敏感性,使用支持向量机进行分类回归,对图像质量进行评价。MSCN系数在图像去雾前后,也会有相应的变化。但是,通过试验证明,使用BRISQUE方法对去雾图像质量进行评价,无法得到满意的效果。本文中,通过对BRISQUE中参数的分析,提取出与图像去雾密切相关的参数,作为对去雾图像质量评价的特征参数。通过量化去雾前后图像中特征参数的差值,对图像去雾效果进行评价。通过大量图像得出统计规律,再使用这些规律对图像去雾效果进行测试,能够对图像去雾效果进行客观评价。