图像质量评价方法能够有效评价压缩算法和图像系统的性能,对图像处理技术的广泛应用有重要意义。图像质量的客观评价方法以其效率高、费用低、应用领域广泛的特点而广受青睐。随着图像技术的发展,对图像质量的要求也越来越高。传统图像质量客观评价方法暴露出了一些问题,如很多方法只针对特殊的应用领域,性能不稳定、有些方法与主观评价的一致性较低等。这些问题严重制约了图像客观评价方法的发展。针对上述问题,本文对全参考和无参考图像质量评价方法进行了重点研究,主要工作如下:1.基于对结构相似度方法的研究,本文提出一种新的全参考图像质量评价方法。该方法在进行图像质量评价时考虑了图像的结构特征和梯度信息,解决了传统方法在评价噪声和模糊失真时存在的问题。基于LIVE图像库的实验表明:该方法不但能够合理的评价噪声和模糊对图像质量的影响,而且还能够评价其它失真类型的图像,如压缩图像,评价结果与主观评价有很高的一致性。2.影响监控图像质量的主要因素是噪声和模糊,当前无参考图像质量评价方法普遍存在着只适用于一种失真类型的问题。针对这一问题,本文提出了两种无参考图像质量评价方法,能够适用于噪声和模糊引发的图像失真。第一种方法融合了多个传统的评价因子,使评价结果更加稳定、合理;第二种方法采用鉴别图像失真类型的思想,针对具体的失真类型进行相应的质量评价。基于LIVE图像库的实验表明:两种无参考图像质量评价方法提高了与主观评价的一致性,具有研究价值和实用价值。基于ADZS-BF561-EZLITE平台,对第二种算法进行了硬件实现,在实际使用中算法性能良好,完全满足监控图像的实时性要求。