随着科技的发展,数字图像拍摄设备在众多领域都有应用,受现阶段拍摄器材和拍摄水平的限制,拍摄得到的图像不可避免地存在失真。日常使用的数码相机、手机等设备中通常都有很多相似图像,相似图像表现为同一场景,相同的人物,相同的构图等。如何对这些相似图像进行筛选,挑选出符合人眼感知的相对质量较高的图片,在个人照片整理、商用影像等领域具有重要意义。（1）基于机器学习和颜色空间特征的无参考图像质量评价:为了研究不同颜色通道信息对图像质量的影响,分别提取了RGB（Red,Green,Blue）、LAB（Luminosity,A,B）、HSV（Hue,Saturation,Value）空间各颜色通道下的亮度去均值对比度归一化（MSCN）系数,并用非对称广义高斯分布（AGGD）拟合。对拟合得到的MSCN系数统计特征,用梯度提升回归（Gradient boosting regression,GBR）进行机器学习训练,得到无参考图像质量评价模型,并将各颜色通道训练模型和灰度空间训练模型的预测分数与主观评分进行比较。结果表明,相比灰度空间,部分颜色通道下的无参考图像质量评价模型的单调性、主客观一致性、稳定性都有一定提升,用RGB＿B通道下提取的特征训练的模型性能最好,Pearson相关系数从0.629提升到了0.703,有很高的主客观一致性。（2）基于感知哈希（p Hash）计算图像相似性:p Hash算法是通过对比两幅压缩图像相同坐标下的像素计算图像相似性,由于拍摄时的手部抖动,连续时间拍摄的相似图像不可避免的会出现轻微错位。针对上述问题,使用p Hash算法比较不同错位方向下的图像相似性,选取不同的错位程度,计算8种错位方向下的图像相似性并与原算法比较选出最大值作为相似性结果,根据实验结果选取最合适的错位比较距离,此方法很大的提高了对相似图像识别准确性,测试的相似图像组平均相似性由原p Hash算法的0.597提升到了0.843。（3）基于图像相似性和质量评价的图像优选系统:利用本文研究得到的基于感知哈希的图像相似性评价算法,判定相似性大于75%的图像为相似图像,并将相似图像分组,利用本文研究的无参考图像质量评价算法,计算图像得分,筛选出相似图像中的质量最高的图像。