随着信息革命的浪潮席卷全球,信息技术的高速发展,人类进入了信息时代,在此背景下,广播电视领域也正发生一次深刻的数字化革命,模拟电视向数字电视转变。目前,高清晰度的数字电视已经渗透到人们日常工作、生活、娱乐的方方面面,人们对于电视画质的要求也越来越高。目前,市场上的电视大都存在画质一致性差的现象,究其原因是在电视设计和生产的过程中,需要进行多次的画质评价,但现有的主观评价方法的局限性可能导致多次评价的结果不一致,从而导致了生产的电视画质一致性较差。本文针对传统的主观评价方法存在的繁琐：耗时、代价高昂,并且评价结果易受外界环境、人员等影响的缺点,提出了一种：基于特征量提取的客观评测方法。该方法的主要创新点是将电视画质测评的主观指标客观化,具体来说就是首先利用图像处理的方法从电视图像中提取能够反映电视画质指标的特征,然后用一个或几个相关性好的特征来逼近、模拟主观指标,把评价的主观指标量化为客观指标。最后,利用支持向量机(SVM)建立专家系统,由专家系统根据提取的特征来对电视的画质做出评价。这种方法可以不受环境、评测人员等的影响,得到的结果一致性好。在特征提取时,分别从色饱和度、有无偏色、人物肤色以及保真度四个方面提取多个能够反映主观指标变化的客观特征,根据几个客观特征的组合,通过大量的实验验证,选取最好地反映主观指标变化趋势的特征量的组合,作为客观指标。在设计专家系统时,分析了贝叶斯分类法、K-近邻法、神经网络法以及SVM分类等常用分类算法的优缺点,并在此基础上,选用SVM设计分类器构建专家系统。SVM是为解决小样本问题学习和分类提出的,可以有效地克服过学习问题,并且具有很强的非线性分类能力。同时,在利用SVM设计多分类器时,针对常见的“一对一”和“一对多”方法的缺陷,提出了一种基于二叉树的多分类器模型,并且通过实验设定和选取了最优的参数和核函数,这个模型非常适合多分类问题,所需的两类SVM的样本数较少、训练速度较快、消除了决策时存在的同时属于多类或不属于任何一类的区域,提高了分类的效率和准确性。利用已知画质等级的电视图像提取的特征,训练专家系统,经过大量的训练以后,专家系统可以智能地根据输入的特征量对电视画质做出评价。最后,利用我们建立的样本图像库进行实验,实验结果表明,本文提出的方法能够快速地对电视画质做出评价,并且评价的结果与主观评测结果基本一致,符合人们的主观感受,是一种可行的评价方法。