随着人工智能、移动互联网以及云计算等科学技术的高速发展,无人机在民用和军用上,都发挥着不可替代的作用。航拍无人机执行任务时,会产生海量的图像数据,质量差的图像不仅浪费有限的存储空间,还会影响后续的其他相关研究,这些数据需要提前剔除,然而直接由人进行筛选,在效率和效益方面都不符合工业需求,因此需要在航拍无人机上载入图像质量评价算法自动对图像进行筛选,这样存储下来的都是质量高的图像。在实际场景中,由于具体的拍摄条件不同,无人机可能会搭载不同的成像设备,因此本文针对航拍自然图像和红外图像,分别设计了一套图像质量评价算法,使其能够准确评估图像的质量。本文的工作及创新如下:(1)数据库是质量评价的基础,客观质量评价算法需要依托主观质量分数对其性能进行验证,为此构建了一个航拍自然图像质量评价数据库和一个航拍红外图像质量评价数据库。通过分析航拍图像场景内容特点,筛选出1158幅具有代表性的航拍自然场景作为参考图像,并模拟实际环境下航拍自然图像的失真情况,基于参考图像拓展出17370幅失真图像;通过分析红外图像采集过程中的各种噪声特点,模拟7种典型噪声加入挑选出的参考红外图像,构成700幅失真红外图像。为了使主观质量分数更接近人的视觉系统,参照了国际电信联盟的视频质量评价标准,设计专业的主观实验,并用相应的数学方法进行处理,为数据库中所有图像打出了可靠的主观分数。(2)根据数据库中的航拍图像失真类型,分析不同噪声类型不同污染强度的失真图像的信噪比和梯度信息的变化情况,提出了一种联合峰值信噪比和梯度相似性偏差的全参考自然图像质量评价方法。该方法在训练过程中利用不同噪声训练样本的主观分数与PSNR和梯度幅值变化趋势的差异,分析信噪比和梯度信息在度量不同污染图像质量衰减程度的准确性,并以此调整联合模型参数,然后根据该模型预测航拍图像质量。该方法计算复杂度低,正确率高,能够在保证实时性的情况下准确的度量出航拍图像的质量。(3)从红外图像的特点出发,提出了一种基于统计特征的无参考红外图像质量评价方法。本文在空域利用NSS理论来捕获图像的全局特征,同时利用DCT变换对图像局部信息的关注,在DCT域提取红外图像的局部特征,再结合NSS全局统计特征和DCT域局部特征进行优势互补,全方位准确的度量红外图像质量的衰减程度。该算法不仅能评价单一噪声还能对混合噪声类型进行质量评价,而且准确率高,能够很好的满足工业需要。