近年来,随着计算机技术的快速发展,人们对多媒体技术的需求也越来越大,极大地推动了图像/视频处理技术的发展。在图像处理领域,研究人员最感兴趣的是自然图像(Natural Image)。自然图像一般是指与生物视觉系统相适应的图像,是图像空间中一个很小的子集。自然图像是高度复杂的,然而人们用统计学的方法进行研究发现其具有内在的规律,并且针对自然图像的这些规律提出了许多统计模型。自然图像具有信息冗余性,这是图像压缩技术的基础。主成分分析(PCA)是数据处理领域中一种常用的去除数据相关性的技术,因此适合于数据压缩。本文将主成分分析用于图像压缩,同时针对传统主成分分析压缩技术进行了改进,提出了一种图像内容自适应压缩算法。实验结果表明该算法相比JPEG算法在较低压缩率下PSNR有很大改善,并且相比传统的主成分分析压缩技术具有更高压缩性能。图像质量评价是图像处理的新兴领域,这其中无参考图像质量评价最为困难。自然图像统计被认为是解决无参考图像质量评价最为有效的手段。独立成分分析(ICA)是近年来研究较多的一种数据处理方法,已被广泛的用于信号处理领域。本文针对传统自然图像统计模型的局限性,提出了一种基于独立成分分析的无参考图像质量评价方法,利用独立成分分析对图像进行建模并进行特征提取,通过比较原始图像和失真图像特征的改变来衡量图像的质量。实验结果显示该算法对于不同类型的失真均有较好的效果。另外,本文提出了图像局部相关性这一概念,并根据模糊失真会使得图像局部相关性增大的特点,将其用于模糊图像的无参考质量评价。算法通过计算局部相关性的改变来衡量模糊的程度。在对不同图像数据库的实验中,该算法均取得了和当前主流算法相当的性能,并具有很高的鲁棒性。