随着互联网技术、智能手机等的快速发展,计算机视觉、图像处理等多媒体技术在人们日常生活中扮演中越来越重要的角色。图像作为信息传递的一种重要形式,每天都以数以万计的数量增加。由于在获取、压缩、处理、传输和重建过程中,受到不同种类的降质,图像质量发生了失真。失真图像由于损失了部分甚至全部信息,以至于不能达到应用的要求。如何有效的将失真图像进行分类,对于图像质量评价以及对不同失真图像采取不同处理算法有着深远的意义。为了能有效将失真图像分类,本文先利用局部减损和分裂来归一化图像的亮度,然后通过前处理模型去转化图像MSCN (mean subtracted contrast normalized,均值减损对比归一化)系数,最后利用AGGD (general asymmetric generalized Gaussian,非对称广义高斯)模型对MSCN系数进行拟合,得到一个36维的图像特征,来表征图像的失真。分类部分利用OpenCV开源库里的Boosting和随机森林分类算法对提取出来的图像特征分类,对参数调整以及实验结果进行讨论。实验的样本集来自TID2008图像库17种失真图像中的6种失真图像,包括噪声图像(高斯噪声、椒盐噪声),模糊图像(高斯模糊、去噪模糊),压缩图像(JPEG压缩、JPEG2000压缩)以及6种失真的混合失真图像。实验中,通过调整Boosting和随机森林分类算法的参数,对比发现随机森林对失真图像的分类效果很好,能达到一个很准确的分类结果。