在21世纪,图像数据作为信息描述和信息交流的一种方式被广泛使用。然而,图像在获取、传输、处理等过程中都会受到各种退化影响。为了维持、控制和强化图像质量,对图像质量退化的辨识和量化是非常重要的,因此必须发展有效的图像质量评价方法。图像质量评价方法可分为主观评价法和客观评价法。由于人是图像信息的最终接受者,能直观感受图像的质量,因此主观评价法是最可靠的评价方法。然而,这种评价方法不便于在实时图像处理系统中展开应用,而且它受到人的认知与心理因素的影响,重复性和稳定性较差。图像的客观评价方法的目的是设计能自动的、准确预测图像质量的计算模型。客观的图像质量评价在各种应用环境有着潜在的价值。首先,它可以用于质量监控系统中实时监控图像质量,其次,它可用于算法测试,确保提供较好的质量输出,另外,它可以用于自动调整图像系统参数,使得系统得以优化。根据参考图像的使用情况,客观图像质量评价法可以分为全参考(Full Reference, FR)、无参考(No Reference, NR)和减参考(Reduced Reference, RR)三种类型。1.FR质量评价方法。FR质量评价方法试图使用退化图像在退化前的参考图像的所有信息来测量图像质量。FR质量评价算法是由于对人类视觉感知的有限理解所产生的,它的基本思路是将待评价的图像与参考图像进行比较,通过测量两者间的相似度来刻画待测画像的退化程度。FR图像质量评价方法主要有三大类：第一类是误差法。它是逐点计算退化图像与参考图像的误差信息,利用误差信息能量强度刻画图像的退化程度。均方误差(Mean Squared Error和峰值信噪比(Peak Signal to Noise Ratio, PSNR)是这类方法最简单的也是应用较为广泛的实施方案。第二类是结构相似度法。结构相似度法的基本假设是人类视觉系统(Human Visual System, HVS)是通过从图像中抽取结构信息作为认知信息,因此,它认为应该通过衡量图像的结构退化来刻画图像质量。这类评价方法的典型代表是结构相似度(Structural SIMilarity, SSIM)和特征结构相似度(Feature SIMilarity, FSIM)。第三类是信息保真度。信息保真度是从信息论的视角看待图像质量评价问题,它利用图像的自然统计特性(Natural Scene Statistics, NSS)计算图像的信息保真度,并将其视为与图像质量有关。目前,FR质量评价是图像质量评价研究领域中最成熟、最广泛的方法。2.RR图像质量评价方法。RR图像质量评价被设计使用相应参考图像的部分信息来评价退化图像的质量。相对于FR和NR评价方法,RR评价方法是一个相对较新的研究课题,它在20世纪90年代才被提出,主要是为了满足多媒体通讯领域实际发展的需要。参考图像在通讯过程中受到退化,在到达通讯接收端时不可能接触到,因而FR图像质量评价方法不能用于评价图像在通讯过程中所受到的退化；另一方面,NR评价又是一个极其困难的工作。RR图像质量评价方法提供介于FR与NR两者之间的解决问题的方案：在通讯发射端,图像特征从参考图像中被抽取出来,然后将抽取的特征作为辅助信息通过辅助通道传输给接收端,在最终的图像质量评价阶段,辅助信息被使用,产生表述退化图像的质量分值。目前RR评价方法主要有三种类型,第一种是针对具体的应用环境,对图像所受到的具体退化进行评价。这种方法的局限是其一般性,也就是这种评价方法离开了其设计环境就不再适用。第二种是基于HVS的模拟,它是利用从底层视觉模型中所获得的视觉特征提供图像质量的描述。基于HVS模拟的方法需要对人类视觉系统和视觉行为进行模拟,受到对HVS模拟复杂度的影响,这种方法在处理实际问题时会遇到较多困难。第三种是基于对自然图像统计特性(NSS)的模拟。这种方法的基本假设是现实世界中图像具有统一的自然统计特性,而退化破坏自然图像的统计特性,使得退化图像显得“不自然”。这种“不自然”可以通过自然图像的统计模型进行刻画,并用于量化图像质量的退化。3.NR图像质量评价方法。NR图像质量评价是在没有参考图像的情况下评价给定退化图像的质量。在许多实际应用中,经常得不到参考图像,因而发展NR图像质量评价方法具有广泛的实际意义。NR图像质量评价分为两种类型：第一种是基于应用背景的NR评价法。该评价法需要知道图像退化类型,比如：噪声、模糊、块效应、振铃效应等,对图像质量进行评价就是对图像所受到的这些退化的强度进行评价。该评价算法的局限性在于只能在设计范围内适用。第二种是通用型的NR评价算法。这种算法不针对任何退化类型,因而普遍适用各种应用环境。其基本假设是人类大脑中存在着作为图像质量标准的先验模型,这种模型是因人类视觉系统接触到大量的自然场景经历上百万年的演化所塑造而成。目前仅有少量文献从NSS的角度对其进行研究。NR图像质量评价已逐渐成为图像质量评价领域的研究热点。本文研究基于NSS的图像质量评价算法。NSS模型由于其很多特点而引起人们的广泛关注,首先它们可以捕捉自然图像的底层特性,因此具有一般性和灵活性的模型；其次它们可以用于测量退化引起的图像自然属性的破坏,建立有效的退化模型；最后,自然图像统计特性可以从统计角度描述HVS的特性,这是因为HVS是自然环境的产物,它需要适应自然环境,经过长期的演化后可以非常有效地从自然环境中提取视觉信息。本质上,基于NSS的图像质量评价方法就是要捕捉自然图像的统计规律,并量化当图像受到退化时这些统计规律是如何被改变或丢失。基于NSS的图像质量评价研究主要有三个方面：1.利用NSS建立FR图像质量评价算法。基于NSS的FR图像质量评价的主要思想是将图像质量评价作为信息保真度问题来处理：自然源图像(参考图像)试图与人脑通讯,在此过程中退化通道(图像退化)限制了信息的流通。该算法首先利用NSS建立起参考图像的统计模型,并将图像退化理解为对NSS统计模型的干扰；其次,使用信息论的方法计算退化通道输入(参考图像)与输出(退化图像)的互信息,这种互信息表示为人脑从退化图像中抽取的参考图像的信息量,并认为它与图像视觉质量紧密相关。2.利用NSS建立RR图像质量评价算法。RR图像质量评价的关键是从参考图像中提取出的辅助信息(RR特征)能有效地归纳图像的信息内容,并且辅助信息必须对图像退化敏感,并与退化程度相关。NSS模型提供了充分有力的手段达到这一目的。自然图像尽管具有不同的图像内容,但是它们都来自于自然环境,具有共同的自然属性。NSS模型就是对这种自然属性的描述,而NSS模型的参数提供了对自然图像的有效归纳,因此可以将其当作RR图像质量评价中的辅助信息来使用。目前,大量统计模型作为基本理论广泛应用于RR图像质量评价算法设计中。3.利用NSS建立NR图像质量评价算法。受到基于NSS的RR图像质量评价方法的启发,越来越多的NR图像质量评价方法被开发。NSS模型捕捉自然图像的统计行为,提供图像在退化前的先验信息。在NR图像质量评价算法设计中,NSS模型主要起到两方面作用,其一是从图像中提取与图像内容无关的NR特征；其二是刻画图像在退化前的“本来面目”,即图像的自然属性,使得图像退化程度可以通过退化图像与自然属性的距离来度量。本文的主要研究及成果如下：1.利用多通道特性、遮掩效应、敏感度带通等HVS特性,提出了一种全参考的图像质量评价指标的构造方法：借助轮廓波(Contourlet)变换对图像进行子带分解以此模拟视觉多通道特性；在各Contourlet子带中使用一种视觉遮掩效应模型获取失真图像和参考图像之间的视觉误差；通过对比度敏感函数取得不同子带的视觉误差加权系数,从而得到图像质量评价值。实验结果表明本文所设计指标具有较好的稳定性和主客观评价一致性。2.提出基于自然图像的Roberts差分统计特性的RR图像质量评价算法。Roberts差分被用于提取图像中与视觉感知相关的边缘信息,并且我们发现自然图像的Roberts差分值的边缘分布可以通过广义Laplace分布进行拟合。退化图像的边缘分布与参考图像的广义Laplace分布之间的距离被用于衡量图像的退化程度。3.提出了基于在小波域、经重组策略的余弦变换域上矩估计的RR图像质量评价算法。该算法将图像进行小波变换或经重组策略的余弦变换后,在获得的变换子带中计算一阶矩和二阶矩,而一阶矩和二阶矩在参考图像与退化图像之间的误差被用于判断退化图像的退化程度。实验表明本论文提出的RR算法简便并具有较好的预测性能。4.提出基于DNT(Divisive Normalization Transform)变换域的RR图像质量评价算法。该算法利用Gaussian混合(Gaussian Scale Mixtures, GSM)模型对图像的小波系数进行规范化处理,获得的DNT系数可以进一步减少相邻系数的相关性,并且通过实验验证了自然图像的DNT系数服从Gaussian分布。我们使用与Gaussian分布相关的统计量作为辅助信息用于减参考图像质量评价。所获得的RR评价算法需要的辅助信息的数据量较少,并且获得了主客观一致性较好的评价结果。5.提出基于灰度共生矩阵(Gray Level Co-occurrence Matrix, GLCM)的NR图像质量评价算法。该算法对灰度图像进行局部规范化处理后,计算灰度图像在不同方向的GLCM。从GLCM抽取出的4类纹理特征(ASM能量、对比度、自相关、同质性)用于刻画图像的自然属性。实验表明所获得的NR评价算法的性能优于PSNR。6.将基于自然统计特性的图像质量评价方法应用于遥感图像质量评价问题,利用仿真实验验证了评价方法的有效性。论文的主要创新点在于：1.Contourlet变换具有多尺度、方向性、各向异性,它与人类视觉系统特性相符。本论文利用Contourlet变换从图像中提取与视觉相关的信息,并结合人类视觉系统的遮掩效应和带通特性,提出了一种基于参考图像与退化图像之间视觉误差的FR质量评价方法。2.通过实验观测得到图像Roberts差分直方图服从广义Laplace分布,选用广义Laplace模型参数作为RR特征,并以此衡量退化图像的退化程度,得到一种辅助信息较少,并且具有较好主客观一致性的RR质量评价方法。3.通常基于自然统计特性的RR图像质量评价算法采用统计模型的参数作为RR特征来刻画图像的自然属性,而本论文提出使用模型参数相关的统计量替代模型参数。提出的改进算法不仅具有较好的评价性能,而且使得计算复杂度大为降低。4.为了刻画图像退化对图像相邻系数关系的影响,本文采用规范化处理后的图像灰度共生矩阵来刻画相邻系数的统计特性,并将来自灰度共生矩阵的纹理参数作为NR特征,从而使得获得的NR图像质量评价的结果与主观评价结果具有较好的一致性。