图像质量评价在图像采集、传输和处理过程中具有重要应用价值。相较于主观评价方法,客观评价方法分为全参考、半参考和无参考三类。前两类方法在估计图像的质量时需要与参考图像对比,导致它们应用场景有限。无参考方法则可以从失真图像中直接估计出图像的质量分数,更具实用价值。本文从图像的梯度、纹理和多重结构出发,对无参考图像质量评价方法进行研究,主要内容如下。（1）本文提出了一种盲梯度和纹理感知模型（Blind Gradient and Texture perception model,BGT）的无参考评价方法。借鉴人眼视觉系统对图像梯度和纹理信息的生物敏感特性,针对现有的无参考方法没有充分考虑到图像梯度和纹理之间的关联关系问题,我们提出采用条件概率对梯度和纹理之间的关联关系进行建模,并将这种关联关系用于图像质量评价任务中,同时利用局部二进制算子捕获图像的局部细节信息并以直方图的形式提取质量感知特征。最后,在多个数据集上测试了该方法在精度、泛化能力等方面的有效性。（2）本文提出了一种丰富的结构信息驱动的自然图像质量评估器（Rich Structural information-driven Natural Image Quality Evaluator,RS-NIQE）的无监督评价方法。首先提取图像粗边缘结构、精细纹理结构和高层次视觉结构三种结构信息来感知图像失真,然后分别从三种特征图上提取拟合特征、LBP直方图特征和SVD特征,充分利用图像的结构信息来描述图像的质量变化。实验结果表明,三种结构信息在图像质量评价任务中具有互补性,提出的RS-NIQE模型在预测精度、泛化能力等方面均优于现有的无监督方法。（3）为了方便用户评估图像的质量和开发新的图像质量评价算法,本文开发了一个图像质量评估软件。我们将提出的BGT和RS-NIQE两个算法进行封装整合,搭建了一个图像质量评价系统,可以很方便的通过该软件调用不同的模型来估计图像的质量。另外,我们测试了系统的稳定性以及各个模块的功能。在该软件界面上,可以清楚地看到待评估的图像、图像的质量分数和算法处理时间等内容。