在数字图像的生成与传输过程中,由于成像系统与通信信道等各种因素的影响,会产生不同程度的噪声。噪声不但会影响图像的质量和视觉效果,而且还会妨碍后续的特征提取、目标检测等各种图像处理过程。对图像进行质量评价在图像处理领域特别是在图像增强中起了很大的作用,对图像进行去噪会提高后续图像分析算法的性能。很多的去噪方法都会利用噪声的先验知识,例如噪声类型、强度和环境等来设计相应的滤波器。然而,目前的图像处理方法中,这些先验知识都是通过主观推测或假设得来,而不是根据图像噪声的客观描述得来。在这种情况下对图像进行去噪处理往往是比较盲目的。因此,合理准确地估计图像噪声是至关重要的。大多数的图像噪声估计算法中,噪声信号通常假设为独立同分布的加性的具有固定零均值的高斯噪声,噪声估计的目的就是从噪声图像中估计出噪声方差σ。在图像处理的过程中,由于噪声及各种因素的影响,图像质量问题日益突出,图像质量评价也应运而生,理解和评价图像质量在很多领域中起着重要作用。在图像处理系统中,使用图像质量评价可以对参数进行及时调整,使系统得到优化和改进。在实际应用中,图像处理过程中的图像质量档次参差不齐。准确地对其质量进行评价,并结合评价结果做进一步的处理,在应用中具有很重要的意义。本文主要对数字图像噪声估计方法和图像质量评价方法进行了系统深入的研究,在回顾和总结前人所做的工作的基础上,结合实际应用情况,基于图像局部结构特征提出了图像噪声估计算法及无参考图像质量评价方法,这两种方法的理论基础都使用了图像结构特征度这一概念。基于统计假设测试的图像噪声估计方法主要是针对加性高斯噪声的噪声方差估计方法。利用一种基于同基假设测试的方法来度量图像结构特征度,基于图像结构特征度找出平滑子块和非平滑子块(含有边缘或纹理子块)；然后以平滑子块中的最小方差为参考方差,选择出方差与参考方差相差在一定范围内且不含边缘的所有子块；最后从选出的子块中求以图像结构特征度为权重的方差平均值作为噪声方差估计值。相比于现有的噪声估计方法,该方法具有非常高的估计精度,适合感染高斯噪声的各种图像。基于局部结构特征的无参考图像质量评价方法考虑到了噪声和模糊两种因素对图像造成的失真,利用局部统计的方法提取每个像素点的局部结构特征,然后以局部结构特征计算质量因子来评价图像质量。首先计算每个像素点在5×5邻域内在五个方向上的最大方向特征值Y5和最小方向特征值Y1,然后计算每个像素点的局部质量度量吼最后计算整幅图像的质量评价结果为Q=∑qi。通过该结果对图像质量进行评价。在详细讲述了本文算法的基本原理和具体方法后,还在MATLAB7.0中进行了大量的实验仿真,将本文方法与已有的方法进行了比较,比较结果表明了本文方法的优越性。