客观图像质量评价是一个经典的研究课题,其目标是给出和人眼主观评价一致的结果,根据评价过程中是否有参考图,分为三种方法:全参考评价、半参考评价和无参考评价。无参考评价由于不需要参考图,具有广阔的应用前景。现有的无参考图像质量评估往往假定造成图像失真的退化过程是已知的,这是一个约束性很强的假设,因为在实际应用中往往不知道图像是经过什么样的退化过程。本文提出了一种基于图像中出现的失真效应的无参考图像质量评估方法,不需要图像失真过程的先验信息,真正做到了无参考。该方法首先分析了常见的影响数字图像质量的四种失真效应:模糊、噪声、方块效应和振铃效应,并通过提取图像底层特征分别度量四种失真效应,图像的最终质量为各个失真效应度量值带权重的Minkowski和,权重通过主观数据库训练得到。本文还提出了一种基于各种失真效应的图像分类方法。经过不同处理的图像表现的失真效应不同,将各种效应的度量值作为特征向量,利用支持向量机进行训练得到分类模型。虽然目前只考虑了JPEG压缩、JPEG2K压缩、加噪、高斯模糊四种图像退化过程,但是通过扩展不同处理过程中可能出现的失真效应,该方法可以扩展到任何数字图像处理。两种方法都需要通过主观数据库进行训练得到模型,是基于机器学习的方法。