随着互联网技术的迅速发展和普及,以图像和视频为主的多媒体内容日益增多,为了满足人们的视觉享受,需要不断提高图像处理系统的性能。图像质量是衡量图像处理系统性能和优化图像处理系统参数的重要指标。本文提出三个图像质量评价模型,并与人类主观感受取得了较好的一致性。混合失真图像质量评价是图像质量评价领域的重点和难点,基于高阶相位一致性,本文提出了一种混合失真无参考图像质量评价方法。首先,计算高阶相位一致性用于捕捉图像结构信息,应用灰度共生矩阵分别提取了4阶相位一致性图像的统计特征;然后,在分析相邻阶相位一致性的相关性及相邻阶相位一致性局部熵的相关性的基础上,分别计算了相邻阶相位一致性及其局部熵的互信息和交叉熵;最后,利用支持向量回归机建立回归模型并进行质量预测。无参考图像质量评价方法无法利用参考图像的任何信息,提取与人类视觉系统(HVS)一致的图像特征是解决无参考图像质量评价问题的重要方法。基于此,提出了一种通用型的无参考图像质量评价方法。首先,由于HVS对图像的结构特征非常敏感,计算了图像的梯度和小波变换,并且利用灰度共生矩阵提取梯度图和小波变换子图的统计特征。考虑到人眼视觉的方向敏感性以及观看距离对图像感知的影响,分别在4种间隔距离下计算图像结构特征图的水平和垂直两个方向的灰度共生矩阵。然后,每个灰度共生矩阵中提取四个特征值并组成图像的特征向量。最后,通过建立回归模型对图像质量进行预测。本文还提出了一种基于图像纹理特征的无参考图像质量评价方法。本方法首先对图像进行小波变换分解和局部二值模式(LBP)特征图提取,然后计算小波子图和局部二值模式特征图的灰度共生矩阵,并将得到的灰度共生矩阵的特征参数作为图像的特征向量,利用支持向量回归模型对图像的特征向量以及主观分值进行网络训练,获得图像的特征向量与主观质量分数之间的映射关系模型,最后利用这个模型对图像的质量进行预测。实验结果表明,本文所提出方法的评价结果性能优于现有图像质量评价方法,与主观评价结果一致性好,能准确反映人类对图像质量的视觉感知。