随着多媒体时代的来临,图像和视频逐渐发展为人类活动中最常用的信息载体,成为人们获取外界原始信息的主要途径。图像质量的好坏直接影响到人们的主观感受和信息量获取,因此,如何对图像质量进行客观有效的评价,成为图像信息处理领域中不可或缺的手段。本文通过研究人眼视觉感知特性,深入理解人类的视觉特征和图像的物理机理,重点对自然图像的客观质量评价及其应用进行了探索和建模,主要工作内容包括以下三个方面:(1)研究全参考图像质量评价机制,利用人眼视觉特性建模得到的池化函数,对图像局部特征图进行加权。针对人眼视觉注意机制中的视觉显著性特征,提出了一种梯度相似度全参考图像质量评价算法。算法将图像的边缘结构信息定义为水平梯度、垂直梯度和梯度方向的联合,然后利用人类视觉特性模型对局部质量图加权求和,得到最终的图像质量分数。算法定义了梯度方向相似度计算公式,并用实验验证了这种定义的可行性和有效性。针对人眼视觉对比敏感度特性,提出了一种基于特征相似度的全参考图像质量评价算法。算法利用单演信号理论和log-Gabor滤波器,结合人眼视觉对比敏感度特性,同时联合梯度幅度相似度,得到局部质量图。然后,利用单演相位一致性构造池化函数,得到最终的图像质量评价分数。算法将Riesz解析空间中的局部特征,包括局部幅值、局部相位和局部方向,应用于图像质量评价,取得了良好的效果。(2)分别在专用型和通用型两方面对无参考图像质量评价进行建模。针对噪声图像质量评价问题,提出了一种专用型无参考图像质量评价算法。算法将人眼视觉对比敏感度特性和二维本征模态分解有机结合,提出了视觉对比敏感度的频率映射,取得了良好的噪声失真图像评价性能。尤其是在图像高度失真的情况下,一些经典的算法评价分数不再与主观评价分数具有相关性,但是本文算法仍能保持良好的评价准确性。另外,算法不需要训练,使得算法的评价性能具有普遍性。针对通用型无参考图像质量评价,提出了一种基于图像熵的质量评价算法。算法将二维熵的概念引入图像质量评价,同时结合log-Gabor滤波和视觉显著性检测提取彩色图像特征,然后借助支持向量机得到最终的图像质量评价分数。实验表明,二维熵等特征准确反映了图像的结构信息,取得了良好的效果,体现了算法优异的性能和良好的泛化能力。(3)研究基于图像质量评价模型的图像处理技术。针对图像去噪等具体应用,提出了一种基于图像质量评价引导的深度学习去噪算法。算法将像素损失函数和感知损失函数有机融合,利用图像质量评价网络引导图像去噪网络的训练,取得了良好的去噪效果。去噪网络采用残差结构,将直接训练复原图像转换为训练一个加性噪声滤波器,降低了训练难度,加快了网络参数收敛速度。本文提出的质量评价算法均在公开发表的质量评价数据库上开展了丰富的实验,得到了性能指标和竞争排名等结果,表明了算法的主客观一致性,反映了算法的良好性能。最后,本文在广泛使用的图像去噪数据库和质量评价数据库上开展了去噪实验,取得了较高的客观评价分数,同时得到了更加符合人眼感知的复原图像。本文为图像质量评价的基础研究和广泛应用进一步拓宽了思路,也为未来的发展提供了一定的参考。