题目：模糊图像的无参考质量评价方法研究

数字图像的处理过程往往包括：获取、加工、编码、存储、传输和重建，其中每一个步骤中都可能会造成图像质量下降。因此，图像质量评价算法的研究已经成为图像处理领域重要的基础研究课题之一。根据是否需要原始图像，质量评价算法一般为三类：全参考型、半参考型和无参考型。根据能够算法处理的失真类型，一般分为模糊、噪声、压缩振铃效应、压缩块效应、传输误差这五种类型，其中模糊是最常见也是最主要的失真类型。模糊具有尺度和方向两个特性，所以模糊度量不仅仅要度量模糊的大小，还要对不同方向的模糊类型具有统一的敏感性。在很多实际应用中，不仅无法获得原始图像作为参考源，常常也没有图像的模糊类型作为先验知识。因此，本文致力于在无参考图像前提下，对主要模糊类型进行通用的图像质量评价方法研究。

目前研究学者尚未解开人类视觉机理的奥秘，还难以建立一个有效机制来仿真视觉评价的内部机制。然而自然图像的统计特性的研究成果表明，完美图像具有相对统一的分布规律，基于该机制构建的算法模型理论上可以与人眼评价结果的评价性能相当。本文为了解决模糊图像质量评价问题，重点研究了局部模糊的特征算子以及无监督的训练模型，提出了一种适用于用于主要模糊类型的通用无参考图像质量评价算法。算法基于Alpha通道图的梯度归一化方法和自然图像特性的统计方法，构建了与模糊核密切相关的局部特征算子。最后以该局部特征算子向量作为输入，以模糊核预估出的统计量作为训练目标分值构建了无监督的回归学习框架，训练出的模型可用于评价模糊图像，实现了模糊图像的无参考质量评价。

实验结果表明，本文提出的方法评价主要模糊类型的图像时，包括运动模糊、离焦模糊和高斯模糊，与主观质量评价结果保持了良好的一致性。