随着监控系统技术的快速发展以及应用成本的快速降低，同时为了满足更多安全的需求，越来越多监控系统应用在人们生活的各个方面。随着监控系统的推广，一些潜在的问题也显现出来，其中以监控视频质量评价尤为明显。在监控系统中，经常会出现失焦模糊、块效应等明显严重影响图像质量的问题，如果不能及时处理就会影响监控的效果。而当今监控系统都非常庞大，动辄成百上千路的监控视频。在这种情况下，雇佣大量人主观的对每一路监控视频的图像质量做不间断的评估是一种不现实的方法。因此，如何能够即时的客观的评价监控视频图像的质量，使每一个子网的视频质量达到监控目的的需求，成为了监控视频研究领域的一个新的方向。图像质量的客观评价方式分为无参、半参以及有参三种。本文基于应用的实际情况，采用无参的算法对图像的块效应和模糊效应进行客观评价。为了评价块效应图像的质量，本文提出两种简单易行的无参考块效应图像的质量评估算法。第一种算法是利用自然图像含有大量冗余信息的特点，在失真图像中寻找这些冗余信息来重建参考图像的结构信息，通过失真图像的结构信息与重构的结构信息相比较得到失真图像的质量。另一种则是在已有的频率量化噪声模型的基础上应用已有的量化样本对频率量化噪声模型进行优化，在此基础上应用频率量化噪声的统计量与空间域噪声的统计量之间的线性关系得到一个重构的参考图像结构信息。然后依据失真图像的结构信息与重构得到的参考图像结构信息的关系得到失真图像的质量评价。本文同时提出了一种对模糊图像的质量评估算法。该算法在使用自然图像幅度谱的斜率描述自然图像的模糊度的同时，通过加入了人眼对对比度的感知模型，这样既克服了自然图像幅度谱斜率对图像对比度感知不敏感的缺点，又提高了自然图像幅度谱斜率对图像模糊度评价的精度。本文同时介绍了一种经我们实现的实时的无参考视频评价系统的主要信息，该系统可以比较准确的评价监控视频的块效应以及模糊度，以达到诊断监控系统好坏的目的，从而极大地降低了视频监控系统管理人员的工作强度，节省了维护成本，并且有效地保证了监控视频的质量。为了评价算法的好坏，本文应用视频质量专家组（Video QualityExperts Group，VQEG）的评价标准评价本文的算法性能，在评价过程中我们使用了世界知名的主观图像库作为我们实验的素材。算法性能评价结果显示我们的算法得到的图像质量的客观评价结果与图像质量的主观评价结果有高度的一致性，是一种鲁棒的算法。在与其他客观算法性能相比较时，本文的算法在性能上也表现出一定的优异性。同时在对实际监控视频的评价中，本文的算法所得出的客观评价也显示出与主观评价结果的高度一致性。