随着多媒体技术和互联网的发展，图像逐渐成为一种简单高效的信息承载方式，在人们的日常生活中发挥着至关重要的作用。然而，图像在获取、处理、传输和存储的各个阶段都有可能产生质量退化效应，不仅影响用户的视觉体验，而且不利于后续的应用。因此，通过分析和建模提出有效的图像质量评价方法具有重要意义。图像信号通过人眼接收并传递给视觉皮层，人眼视觉系统决定了图像以何种形式被解释和理解，从而产生美观与糟糕等主观判断。图像统计分析从统计学角度出发，挖掘普遍存在且有效的统计规律。本文结合人眼视觉系统(HVS)特性和图像统计分析，探索并建立与人眼主观感知高度契合的无参考图像质量评价方法。本文的研究工作主要包括以下两个方面：
　　针对色调映射图像，提出了一种基于全局和局部视觉感知的无参考质量评价方法。首先，分析色调映射图像特点，模拟HVS从全局和局部两个层次感知图像信号；其次，在全局感知方面，结合统计分析，采用颜色矩描述色彩信息，设计明暗分布特征来衡量整体曝光效应，利用信息熵来计算全局的信息量；然后，在局部感知方面，针对图像块进行处理，计算块的对比差异和局部熵，并结合多通道分解机制在离散小波变换(DWT)域上分解图像信号并计算其能量；最后，结合全局和局部两个层次上的特征，利用机器学习方法对特征进行回归处理得到评价模型。实验结果表明，本文所提出的算法在ESPL-LIVEHDR数据库上的皮尔森线性相关系数(PLCC)和斯皮尔曼秩相关系数(SRCC)比目前最优算法还要高出3%，并且与主观评分有较高的一致性。
　　针对真实失真图像，提出了一种基于结构、纹理和色彩信息的无参考质量评价方法。考虑到真实失真图像的复杂性，采用HVS敏感的多属性进行视觉感知，每种属性的感知不是单一神经细胞响应的结果，因此每种属性采用多种特征进行统计表示。其中，主要从结构、纹理和色彩信息三方面表征视觉多属性感知特性。在结构信息方面，采用梯度直方图和曝光度来联合描述；在纹理信息方面，对图像进行DWT分解求解对数能量；在色彩信息方面，分为色度感知和饱和度感知，其中，色度信息从全局和局部两个层次上获取。最后，结合上述三种信息，利用支持向量回归训练得到一个质量敏感的预测模型。实验结果表明，本文提出的算法在CID2013数据库上的PLCC达到了0.8709，SRCC达到了0.8059，与主观感知分数有极高的一致性，优于现有评价算法。