由于图像在获取、传输、处理与显示等过程中，难免会出现部分干扰因素的引入，导致图像出现模糊、噪声及数据丢失等情况而使图像的质量受损，不断有新的图像质量增强算法投入到实际应用中。图像质量增强算法的优劣需要图像质量评价准则给出结论，而目前的图像质量评价准则通常针对单幅图像进行评价，当使用多种图像质量增强算法对同一幅图像进行质量增强后，面向单幅图像的图像质量评价准则只能够说明不同的图像质量增强算法对这一幅图像进行质量增强的性能表现，而当图像的数量增加为大数据图像集时，面向单幅图像的图像质量评价方法无法得出以图像集为单位的整体结论。在对整个图像集的质量进行评价时，现有方法是采用某一质量评价准则的质量分数平均值作为指标，以平均值的高低来说明质量增强算法的优劣。但是，非一致性增强的质量分数平均值会随着图像集的变化而产生较大的波动，质量分数平均值受特殊数据的影响较大，其局限性高、偏差大。平均值的高低并不能全面地说明所使用质量增强算法的好坏。
　　所以，在大数据时代，对于面向应用的无参考图像质量增强算法的选取，需要提出一个稳定性更强、可靠性更高的图像质量评价准则。为了解决上述问题，本文提出了一个更加具有普适性的图像质量评价准则：面向图像集的置信区间内一致性增强质量评价(CEQA)准则。提出的准则通过设置特定参数并使用置信区间筛选数据，再比较图像增强前后的质量分数差值，来评估图像质量增强算法的一致性，并计算出一致性增强质量评价分数有效值，以挑选出具体应用所需要的稳定性强、可靠性高的图像质量增强算法。本文通过“CEQA准则的主客观一致性对比”实验，证明了所提方法的可行性， CEQA准则具有很好的主客观评价一致性，符合客观图像质量评价方法的基本要求。在实际应用中，能够通过本文的方法得到有效的实验数据，以对比说明各种水下图像质量增强算法的适用性；通过“CEQA准则与平均值准则的对比实验”，得出CEQA准则比平均值准则更加有效地控制了大样本偏差， CEQA准则的可靠性优于平均值准则。因此，本文为大规模应用中如何选取图像集的质量增强算法，提供了一个更好的评价标准。