在数字图像获取、传输、处理等过程中,模糊是最常见的失真之一。在过去数十年,为了从模糊图像中恢复出清晰的原始图像,大量的图像去模糊算法被提出,并取得一些成就。然而,对去模糊图像进行质量评价的研究却很少,而这对于图像去模糊技术的发展有重要的作用,因此必须研究有效的去模糊图像质量评价方法。本文主要针对离焦模糊复原图像,研究了去模糊图像的主观评价并针对客观评价提出了两种无参考去模糊图像质量评价方法,具体研究内容如下:一、图像数据库对于图像质量评价方法的研究至关重要。要想探究人眼是如何主观感知去模糊图像质量的,首先必须要有一个去模糊图像数据库。针对这一问题,本文首先建立了一个去模糊图像数据库,选取了8种具有代表性的图像去模糊算法,对30幅不同程度模糊图像进行处理,产生240幅去模糊图像组成去模糊图像数据库;然后对图像数据库进行了主观感知评价实验,通过数据处理计算主观评价分数;最后在主观评价结果的基础上,对去模糊算法性能进行评价,该研究对去模糊算法的选择具有重要的指导意义。二、通过观察和分析去模糊图像失真特性,去模糊图像失真除模糊残留外,去模糊算法往往导致局部纹理不规则失真。灰度共生矩阵(GLCM)能有效地描述纹理特征。在此基础上提出了一个基于GLCM特征的去模糊图像无参考质量评价的一般性框架。此框架由纹理不规则模块和模糊/清晰度评价模块组成。对于纹理不规则模块,首先对去模糊图像进行均值对比度规范化(MSCN)预处理,然后计算GLCM,再从GLCM中提取两个统计量(熵和同质性)作为纹理特征,对局部纹理不规则失真进行量化;模糊/清晰度评价模块可以利用现有无参考模糊评价算法或通用型无参考评价算法实现;最后经过加权得到去模糊图像的质量分数。实验结果表明:该方法能准确地评价去模糊图像的质量,且与主观评价结果保持很高的一致性,提高了现有无参考评价算法的性能。三、自然场景统计(NSS)已被证明能很好地衡量失真图像质量退化程度。图像去模糊是一类典型病态的“反问题”,因此去模糊图像普遍存在自然性降低的问题。在此基础上提出了一种基于NSS模型的去模糊图像无参考质量评价算法。该方法从全局和局部的角度分别捕捉有效的NSS感知特征来评价去模糊图像质量,这一思想和人类视觉系统(HVS)的工作机制相一致。首先在时域提取梯度分布先验自然因子,衡量图像全局自然性;在频域提取log-Gabor滤波器响应分布特征,多尺度、多方向地刻画局部结构失真;然后利用支持向量回归(SVR)来学习质量分数回归模型,用来预测待测图像质量。实验结果表明:该方法能准确地评价去模糊图像的质量,与主观评价结果保持很高的一致性,且优于目前主流的相关算法。作为应用,利用该算法进一步对图像去模糊算法进行客观评价,且取得了理想的结果。