图像是人类感知和机器模式识别的重要信息源，其质量对所获取信息的充分性和准确性起着决定性的作用。然而图像在压缩、重建、传输等过程中不可避免的出现图像失真和降质问题，因此，图像质量的评判有着非常重要的作用，已成为意义重大的研究课题之一。　　由于人眼视觉系统(HVS，Human Visual System)才是图像的最终处理者，所以主观的图像评价算法才是目前最合理的图像质量算法，也因此常用主观评价结果来评判客观算法的有效性。但主观评价方法不能应用数学模型，难以对其进行准确度量，并且所消耗的时间相当长，无法嵌入到实时图像处理系统当中。而全参考和部分参考质量评价方法都需要借鉴原始的图像信息来进行定量计算，然而实际应用中原始图像信息往往不能获得，这无疑使他们的应用范围受到极大的限制。而无参考图像质量评价是在不利用原始图像信息的情况下对图像质量进行客观评价，具有更大的实用价值。　　本文在分析人类视觉系统(HVS)的多分辨率特性及Contourlet变换的多尺度和多方向性特性的基础上，提出了用于压缩图像的无参考图像质量评价算法，得到更符合人眼视觉特性且主观一致性更好的评价结果。该算法首先将图像在Contourlet变换域进行三级分解，然后对得到的分解系数进行统计，计算它的对数概率分布密度值LPMCC，并将峰值作为标识图像的特征值IC(Image Characteristic)，然后确立影响图像质量的滤波水平FL(Filter Level)与特征值IC，以及图像质量平均主观得分(MOS)之间的关系，建立无参考评价模型，最后得到一个归一化的客观图像质量评价值。通过对国际公用图像数据库LIVE中White Noise、JPEG2000、JPEG、Gaussian Blur图像进行实验，结果表明，该方法与MOS具有较高的相关性，而且简单实用。