随着多媒体技术的快速发展，数字图像已经成为人们接受外界信息的主要来源，因此图像质量的优劣将直接影响人们对图像信息的的正确理解和判断，这在交通目标检测、医学成像等领域具有重要意义，然而数字图像在采集、传输、压缩等处理过程将不可避免的引起图像质量的改变，因此建立有效的图像质量评价标准具有重要的研究价值。其中，图像质量评价分为主观评价方法与客观评价方法，而客观评价方法又分为全参考、半参考及无参考评价方法，本文主要研究更具实用价值的无需原始参考图像的无参考图像质量评价方法，具体内容如下：1、深入探讨图像质量评价的研究背景与意义，分析国内外当前图像质量评价研究进展及成果，介绍了主要的全参考、半参考及无参考图像质量评价方法，并分析各自算法的特点，其中对最具研究价值的无参考图像质量评价方法给予重点分析。2、简单介绍二维小波变换理论基础与人类视觉系统，并分析了图像小波变换特性与人类视觉特性的联系。3、提出一种简单、直接的基于小波变换的无参考高斯图像质量评价，首先分析自然图像在小波变换下高频子带具有强相关性，针对高斯噪音图像与高斯模糊图像，其失真程度加深图像高频子带相关性逐渐减弱，分别通过计算图像高频子带间结构相似度、峰值性噪比及奇异值向量夹角来度量高频子带的三种差异作为质量指标，并比较了三者算法的优劣。4、针对当前无参考图像质量评价方法需要提前知道图像失真类型，结合BP神经网络的优点，提出一种基于自然场景统计（Natural Scene Statistics，NSS）与BP神经网络的适合多种类型的无参考图像质量评价方法，首先根据NSS自然图像小波子带系数在对数域具有相近的线性规律性质，由于失真主要体现在图像高频细节上而低频改变不明显，利用低频信息结合线性规律预测高频信息，将预测信息与实际信息差异作为图像特征与图像主观评价结合BP神经网络训练，得出最后的质量评价标准。