图像是人类获取信息的重要来源,是人们分享生活、表达情感的方式之一,同时也是计算机视觉任务的重要数据类型。但是由于拍摄设备、图像传输等问题,图像质量参差不齐,低质量的图像严重影响人们的视觉需求和后续高级视觉任务的准确性。客观准确的图像质量评价方法可以为图像质量提升算法挑选低质量的图像,也可以提供反馈和优化。但是,目前图像质量评价仍然存在数据量少、参考图像难以获得等问题,图像超分、图像去噪作为非单一解的图像质量提升任务仍然存在较大提升空间。因此本文围绕图像质量评价和图像质量提升在算法与应用两个层面展开了深入研究。在算法层面,主要针对图像质量评价,图像质量提升中的图像超分、图像去噪问题的难点展开研究;在应用层面,将图像质量评价应用在相机镜头局部解析力失效检测中,将图像去噪算法应用于水面反光图像去噪点,最后围绕图像美学质量提升提出了自然散景效果渲染的方法。本文的研究内容和主要贡献如下:（1）在图像质量评价研究中,针对参考图像难以获得和图像数据量少的问题,本文提出了一个基于生物视觉启发的图像质量评价模型,具有图像输入多尺度、网络结构多尺度、输出特征多尺度且完全不需要参考图像的特点。受生物视觉启发,设计了模拟人眼视神经对不同距离图像的多尺度轮廓响应模块,使模型更加关注图像边缘轮廓清晰度而非图像色彩特征;受视网膜神经节细胞感受野机制启发,构造了中心注意周边抑制模块,同时结合亮度信息,对图像不同区域的图像块采用不同的质量权重。模型采用两阶段方法解决了数据量少的问题,并对模型添加分类任务分支后,成功的应用在了图像失真类型分类及质量评价的多任务研究中。（2）针对大倍率的图像超分问题,提出了基于图像局部特征关联的图像超分模型。目前的许多超分模型大多应用在4倍以下的图像超分中,为了应对大倍率图像超分的问题,引入局部特征关联模块为不同区域的图像块建立关联度,使特征相近的图像块在进行超分时可以互相借鉴;通过预训练的跳跃连接式生成网络生成高倍图像,然后通过多分辨率逐级提升模块,让不同分辨率的图像进行融合,充分融合不同分辨率图像的特征,进一步优化高倍分辨率图像的纹理、轮廓、颜色等特征细节。（3）针对真实噪声-干净图像对获取困难的问题,提出了基于噪声空间特征表征的图像去噪模型。当前有监督的深度学习去噪模型,大多采用人工添加高斯噪声的方式来获取噪声图像进行模型的训练,由于人工合成的噪声与真实噪声的分布差异,导致模型在真实噪声图像的处理上表现不佳。针对上述问题,本文借鉴自监督对比学习的方法,通过“图像平移”和“噪声自相似搜索”两种正样本生成的方式,在没有噪声标签的情况下学习噪声特征。同时本文将去噪模型应用在游泳馆危险行为检测的任务中,成功的解决了水面图像反光噪点影响后续检测误检的问题,充分说明了图像去噪等图像质量提升任务作为后续视觉任务预处理功能的重要性。（4）针对相机镜头解析力检测对检测位置的局限性,借鉴图像质量评价的思路提出了相机镜头局部解析力失效检测的方法。目前大多数相机镜头生产厂家采用的镜头解析力检测方法,仅仅对左上、左下、右上、右下及中间区域进行检测。为了能够对镜头的任意位置进行解析力失效检测,本文根据图像质量检测的原理,通过拍摄的图像间接反映镜头解析力,并提出了基于亮度和梯度的计算方法作为衡量镜头解析力的指标。通过相关性对比实验和可视化分析,说明了提出方法的可行性,为相机镜头局部解析力检测提供了一种新的思路。（5）为了进一步提高图像的美学质量,根据自然散景效果的特点,提出基于深度估计的可选焦平面的重对焦图像生成方法。通过深度估计模块获得图像中物体深度信息;通过背景分区模块选择不同的焦平面,获得不同的模糊半径,使散景渲染效果更多样,且不会过度分割物体;通过调整渲染参数,改变渲染程度。可视化结果表明,该方法满足“焦平面的物体清晰,焦外物体模糊且距离焦平面越远物体越模糊”的散景效果特点。本文针对图像质量评价和提升算法的部分难点展开研究,并将图像质量评价和提升算法应用在了相机镜头解析力检测、图像预处理、图像美学提升领域,充分说明了本文研究的意义及重要性。