今天,人类已经步入一个高清和智能的数字视觉新时代,人们对图像和视频的清晰度要求越来越高,即对图像质量的要求越来越高,然而如何评价图像的质量到现在仍没有一个可靠的方法,因此对图像质量的评价是一项非常有意义的研究课题。客观图像质量评价方法一般可以分为全参考评价方法、半参考评价方法(部分参考评价方法)和无参考评价方法三类。在无参考图像质量评价中,自然图像统计模型(NSS)得到了广泛应用,但目前绝大部分的图像质量评价方法都是针对灰度图像的,没有有效地利用色彩空间的信息。本文对RGB, HSV, LAB, YCBCR, YIQ五种色彩空间的统计规律性进行分析,研究了使用广义高斯概率密度函数在这五种色彩空间建模的可行性。为了发现是否有更适合的分布来对色彩空间的统计规律性建模,我们使用广义高斯分布,对数正态分布,极值分布和T分布对色彩空间的统计信息进行拟合,对拟合结果进行了分析和比较,发现最适合各个色彩空间的模型。然后我们使用拟合成广义高斯模型的参数来对LIVE库的失真图像进行分类,用来判断色彩空间提取的这些特征对于不同失真类型的分散程度,从实验结果中可以看出使用某些色彩分量进行分类效果要优于灰度空间。在研究了色彩空间的统计规律后,我们设计了一种无参考图像质量评价算法,利用了色彩空间的信息。该方法可以分为两个阶段,第一阶段判断失真类型,第二阶段对特定失真类型的图像选择最适合的色彩空间,在该色彩空间对图像的质量进行评价。最适合的色彩空间是通过在各种失真类型分别对上述几种色彩空间进行实验选择最优值得到的。本文方法是在灰度空间的方法上加入了色彩信息,实验结果表明,本文方法达到了较为满意的效果,比灰度空间的方法有所改善,在一定程度上也证明了充分利用色彩空间的信息,对图像质量的评价会有所帮助。