多媒体已经日益成为人们普遍的娱乐与通信方式,这也直接导致了通信压缩和传输技术的快速发展。此时,各种各样的失真也随之而来。模糊是日常生活中最常见的一种图像失真。由于模糊效果是由高频内容信息缺失引起的,这也就相当于我们将图像经过一个低频滤波器。研究发现,对于原本已经模糊的图像,用带宽不同的低频滤波器进行人为再模糊处理,人眼是很难感受到差异的,相反,如果一幅原本非常清晰的图像进行同样程度的人为模糊处理,人眼却可以明显感受到两幅图像之间的差异。于是,本文第二章在原算法思想基础上提出了一种改进算法,结合了边缘块的判定以及块内模糊,共同来判断图像的模糊度。传统的模糊图像质量评价方法重在评价图像边缘是否清晰,这类方法优点是简单易操作,但缺点也非常明显,准确率低。于是,近年来人们越来越关注人眼视觉系统HVS (Human Visual System)在图像质量评价领域的应用,但是却鲜有人关注显著性能够带来的贡献。本文第三章提出一种基于显著性和奇异值分解SVD(Singular Value Decomposition)的图像质量评价算法：第一步,将图像分别做显著性检测、局部对比度计算、SVD计算,分别得到初始显著图、局部对比度图和基于SVD的清晰度图；第二步,用初始显著图定位显著中心,结合局部对比度图精准定位显著区域,得到最终的图像显著图；第三步,融合图像显著图和基于SVD的清晰度图,取最大的10%数值平均后作为图像最终质量评价分数。该算法意在将显著区域的清晰度作为评价的重点,消除冗余信息,提高评价准确度。