任波波，杜海清，刘 勇

(北京邮电大学 网络体系构建与融合北京市重点实验室，北京100876)

责任编辑:时 雯

由于图像所承载的信息比文字、语音要丰富很多，越来越多的人们倾向于利用图像来传递信息或感知世界，而图像质量直接关系到感知客观世界以及认识事物的准确性，因此，对图像质量作出合理评价显得异常重要。

目前，图像质量评价算法主要分为两种，即主观评价和客观评价[1]。考虑到主观评价的不稳定性，易受人们情绪、周围环境影响等缺点，而且需要投入大量的人力、物力、财力，因此，主观评价算法的应用受到了一定的限制。根据其对原始图像的依赖程度，客观评价算法主要分为三种:全参考(Full-Reference，FR)、部分参考(Reduced-Reference，RR)以及无参考(No-Reference，NR)。全参考评价算法，往往会利用原始图片的全部信息，评价结果也比较符合人们的主观感知，典型代表有:结构相似度SSIM(Structural Similarity)[2]等。部分参考算法，顾名思义，需利用原始图像的部分特征信息，典型算法有:基于小波域自然图像统计模型的方法[3]等。然而，实际应用中，往往很难得到原始图像的参考信息，因而全参考以及部分参考算法的应用范围十分受限，而无参考算法的提出，打破了这一僵局。

无参考算法主要分为两种:针对特定失真类型的算法以及通用型算法。针对特定失真类型的算法，比较典型的是针对块效应的算法[4]以及针对模糊效应的算法[5]等。由于该类算法仅仅对特定的失真类型才奏效，因而其应用大大受限，而通用型算法能够适用于各种失真类型，是目前研究的热点。……