随着数字成像系统的广泛应用,数字图像质量评价的重要性日益增长.主观评价方法繁琐、耗资,无法实时操作,客观图像质量评价研究的目的就是开发能自动预测感知图像质量的方法.目前提出的大多数图像质量评价方法衡量的是图像保真度,而不是感知的图像质量.图像保真度只是衡量图像质量的众多因素中的一个,与图像质量并不直接相关.不同于传统图像质量评价方法以评价保真度为目的,该文将研究重点放在与主观感受相关的图像质量属性的评价上.为了和传统方法加以区分,该文中称为图像吸引度评价.该方法不存在参考图像,属于"无参考"图像质量评价.图像吸引度可以定义为当第三方(非图像的拍摄者和被摄者)观察图像时,该图像能引起的兴趣程度,反映的是被观察图像本身给观看者的主观感受.该文把图像吸引度主观评价实验结果作为特征选择的依据,根据由主观实验结果总结出的图像吸引度影响因素列表,并考虑到目前的图像处理水平,我们选择了人脸及图像的模糊度、彩色度和对比度作为特征来评价图像吸引度.由于人脸是人物中最引人注意的部分,一幅图像中人脸的信息对该图像的吸引度具有很大的影响,但前人没有就这个问题展开研究.我们在大量统计数据的基础上,通过对人脸的大小和位置信息的分析,首次提出了基于高斯混合模型(GMM)的人脸吸引度模型,并使用期望最大值算法(EM)得到模型参数.在图像模糊度评价方面,通过对现有算法的分析,我们提出了一种改进的基于边缘宽度的模糊度评价算法,取得了较好的效果;在图像彩色度评价方面,通过实验比较,我们选择了基于彩色空间统计特性的算法作为评价准则,与主观感觉比较相符;在图像对比度评价方面,我们实现了现有算法并进行比较,最终选择了方差对比度算法并加以改进,实验证明该算法有效可靠.该文从图像吸引度评价问题出发,在无参考图像的情况下,客观分析图像中影响其吸引度的因素,选取有代表性的特征并将其量化,基本实现了图像质量的客观评价.