● 摘要
人类的不断发展和进步使得信息的获取和交换变得更加频繁和迫切，图像日渐成为了我们获得主要信息的关键载体，数码图像的普及使得信息的交换更加方便快捷，在现实生活和工程应用上有着举足轻重的地位。但是图像在获取和传输的过程中，不可避免地受到噪声，模糊，压缩等影响，造成接收到的图像质量下降。在工程应用中，特别是航空航天，医学诊断上，图像的质量对获取信息的充分性和正确性起决定性作用。如何对图像的质量进行监控，并且对质量进行评价，是图像处理领域集人工智能，生物学，统计学，图像处理等多学科的综合研究。根据给出图像质量评价的对象不同，可以分成人的主观评价和机器的客观评价两部分。其中客观评价又可以分为有参考图像，无参考图像和部分参考图像三种类型。
本论文重点研究的是无参考的图像质量客观评价，从机器学习，主客观分歧，综合评价等方面进行深入讨论，主要工作如下：
根据图像质量评价中出现的主客观分歧现象，对其作出合理的原因分析并且提出解决分歧的可行的途径。
研究面向图像质量评价的机器学习方法，利用自然场景统计的方法提取图像的特征，并且对图像的畸变类型进行分类。
利用Tri-training半监督机器学习方法，运用少量的标记样本提高图像畸变分类的效率，并且用此考虑分歧的机器学习方法将主客观值融合在一起，研究一种图像质量评价的客观算法。
对于受到多畸变影响的图像进行综合评价，利用单一畸变的评价算法对图像进行多次评价，然后用主客观融合和机器学习的方法，学习多畸变图像质量评价值和单一畸变图像质量评价值组成的评价值向量之间的映射关系，从而对多畸变的图像进行质量评价。
最后利用图像数据库进行综合实验和分析，实验结果表明图像畸变分类有明显的提升，多畸变的图像客观质量评价也有较好的表现。