图像作为信息传递的重要载体,在当前社会的信息交流中扮演着重要的角色。图像的质量高低决定了信息传递的多少,因此有效的图像质量评价方法得到了越来越多的关注。无参考图像质量评价方法成本低、实时性高、不需要任何原始图像信息,成为当前图像质量评价方法的研究热点。为定量的对图像的失真水平进行衡量,本文提出一种基于图像非平坦区和图像空频域联合特征的无参考图像质量评价方法,并对其提出了改进方案。本论文的主要工作及研究成果如下:1、由于人类视觉系统对图像的单色背景区域关注度较低,本文将分割图像的平坦和非平坦区域引入评价系统中,在图像分割后的非平坦区域中筛选十个对评价图像质量有重要影响的图像特征,其特征涵盖了图像的空间域特征和离散余弦变换后的频域特征。通过图像非平坦区的分割,提升了质量评价1.1028%的预测一致性和2.3975%的单调性,降低了32.7484%的预测误差。2、针对特征值间因数值大小差异而引起的视觉屏蔽问题,本文在现有人工神经网络的基础上引入均衡层,提出均衡广义回归神经网络。通过引入均衡层,提升了质量评价6.068%的预测一致性和5.4391%的单调性,降低了8.7737%的预测误差。3、基于图像非平坦区、空频域联合特征和均衡广义回归神经网络,本文提出一种新的无参考质量评价方法。实验数据表明,本文所提的无参考质量评价方法可以有效并可靠地对图像进行质量评价,其预测分数与人类主观评价分数达到0.88的预测一致性。4、为了更准确地对图像进行评价,本文对提出的质量评价方法做了进一步改进。通过分析离散余弦变换系数的统计规律,将图像失真所引起的统计规律的改变通过广义高斯分布的形状参数进行拟合;在频域增加了反应图像纹理特性的三个图像特征值;将图像的失真分类方法引入到评价系统中,通过对图像失真类型进行预判断,增加系统对图像信息的认知。以图像的失真类型选择针对此失真类型的预测系统,可以提升质量评价7.2492%的预测一致性和6.0031%的单调性,降低19.5543%的预测误差。5、在LIVE Release2图像主观质量评价库中对改进的评价方法进行了测试。实验数据表明,相比原方法,改进后的方法提升了质量评价8.3968%的预测一致性和6.1141%的单调性,降低了29.6631%的预测误差。通过与部分全参考图像质量评价及无参考质量评价方法相比,改进后的无参考质量评价方法具有更好的精确度和可靠性。