图像复杂度的评价技术被广泛地应用于图像增强、信息安全等领域,研究图像复杂度可以了解人类视觉对图像的认知过程,同时也可以促进图像复杂度技术应用领域的发展。国内外学者对复杂度的研究主要集中在图像的特征表达上,在评价过程中没有将人的视觉感受考虑在内,而且提出的方法并不是对所有类型的图像都适用。针对这些存在的问题,本文基于视觉理论,根据自然类和纹理类图像,提出了基于颜色和纹理特征的图像整体复杂度研究。对于自然类图像,影响复杂度评价的因素主要在于颜色特征,根据此给出了基于颜色特征的图像复杂度评价。文中首先提取了影响视觉系统评价复杂度的颜色熵、颜色分布均匀度、HSV三通道的二阶矩、颜色空间复杂度4种颜色特征,将它们组成特征向量并用支持向量机的方法对大量图像进行训练建立图像复杂度等级分类和复杂度值计算模型,通过实验验证该方法的正确性。对于纹理类图像,影响复杂度评价的主要因素在于纹理的粗细,文中研究了基于纹理特征的图像复杂度方法。首先通过灰度共生矩阵提取了影响复杂度因素的相关纹理参数,然后通过模糊聚类的方法得出复杂度等级的纹理聚类中心,最后根据要评价的图像纹理特征与聚类中心的距离远近确定该图像的所属复杂度类别,同时也给出了复杂度值精确计算模型。实验结果表明,本文给出的基于颜色和纹理特征的图像复杂度研究不仅符合人眼视觉对图像复杂度的评判,而且相对于其它的评价方法与主观评价更接近,可以对不同类型的图像复杂度进行科学判断。