随着数字成像和通信技术的快速发展,数字图像成为人们日常生活的一部分。然而在获取、传输、储存等过程中,图像均有可能失真,因此设计有效的图像质量评价系统成为急需研究的问题。现有的图像质量评价算法根据其对参考信息的依赖程度,可以分为三类:全参考算法、半参考算法和无参考算法。鉴于实际应用中通常无法获得参考信息,无参考算法成为目前研究的热点。本论文提出了两种新的无参考图像质量评价模型,主要创新点如下:1.局部二值模式可以有效表示邻域像素的空间分布,已被成功用于图像质量评价领域。然而,局部二值模式对噪声比较敏感,且缺少幅度信息,限制了其性能。本文提出一种基于广义局部三值模式的无参考图像质量评价算法。通过引入多阈值及幅度信息,该广义三值模式可以比局部二值模式提供更稳定、更具判别力的特征。在两个典型数据库上的实验结果证明了本文所提出算法的有效性。2.尽管人眼对空间对比度和空间分布上的退化都很敏感,现有的基于结构退化的无参考图像质量评价模型都只考虑了其中一个方面。本文提出一种新的无参考算法,综合考虑了对比度和空间分布对图像质量的影响。首先,提出韦伯-拉普拉斯-高斯算子,用于提取图像的局部对比度特征。该算子比拉普拉斯算子更符合人眼的主观感知特性。其次,构建了一种多阈值局部四基模式,以测量空间分布的变化。该局部四基模式分方向对相邻像素的关系进行编码,且引入了多阈值和幅度信息,因此可以比局部二值模式提供更具判别力的特征。最后,韦伯-拉普拉斯-高斯算子和多阈值局部四基模式的联合分布被用于无参考图像质量评价。在三个典型数据库上的实验表明,本文所提出的模型取得了较高的准确率、较好的鲁棒性及普适性。