随着科技的进步和互联网的普及,我们通过网络所获取的信息越来越多。如今,我们通过互联网可以立即在线分享和观看来自世界各地的图片和视频。尽管科技的创新和快速进步使得图像成像技术和图像处理技术飞速的发展,但一直有个难以解决的问题——如何让机器模仿人类视觉系统使得图像更加逼近我们眼睛直接看到的景象。图像的质量直接决定着我们所获取信息量准确性和充分性,然而图像在处理过程中会不可避免的加入失真,因此研究有效的图像质量评价方法具有很重要的意义。本文主要是对数字图像的客观质量评价技术进行分析,提出了三种有效的评价方法,本文的主要研究内容如下:一、改进了一种基于离散正交矩的全参考图像质量评价方法。离散正交矩在图像处理和模式识别方面有很重要的作用,低阶矩可以从图像的分块中提取重要特征,但是因为Wee等人的算法中利用离散正交矩计算的图像块矩变换矩阵中的值可以为负值,所以直接使用参考图像和测试图像对应的矩变换矩阵相关系数作为图像块的质量分数不合适,应该计算矩变换矩阵的相对矩误差来求得图像块的质量分数。两图像间的相对矩差异通过计算绝对矩差异和参考图像矩值的比值得到的,本文利用两图像间的相对矩差异来计算图像的质量分数。实验结果与比较证明本文算法能够准确评价图像质量分数,并且与主观评价结果保持很好的一致性。二、提出了一种基于离散正交矩的图像无参考块效应评价方法。该方法根据离散正交矩多项式的对称性,图像在经过离散通过正交矩变换后,其矩变换矩阵中一些特征能够正确反映图像块效应失真程度,计算这些特征得到图像质量分数,并结合人类视觉系统(HVS)把子块分成平坦区域图像块和非平坦区域图像块,最后对每类子块的块效应分数进行平均、加权与求和得到整幅图像的块效应分数。实验结果与比较证明本文算法能够准确评价图像中的块效应程度,并且与主观评价结果保持很好的一致性。三、提出了一种基于颜色漂移特性的无参考图像块效应评价方法。由于JPEG图像在压缩量化过程对颜色分量进行粗量化,造成图像的颜色丢失和颜色漂移现象,因此图像块之间的色度不连续性更能够体现出图像的块效应。以往的图像块效应评价算法基本上都是把彩色图像灰度化之后来评价图像质量,没有充分考虑到图像的色度信息。此方法是在图像的YUV颜色空间中评价图像的块效应。该方法充分考虑了色度信息对图像块效应的影响,对图像中的颜色漂移和颜色丢失区域分别采用相邻块边界的相对色度差异和相对亮度差异评价图像的块效应程度。实验结果与比较证明本文算法能够准确评价图像中的块效应程度,并且与主观评价结果保持很好的一致性。该论文有图16幅,表11个,参考文献77篇。