1.一种基于非监督学习的图像质量评价方法，其特征在于包括训练阶段和测试阶段两个过程，所述的训练阶段过程的具体步骤如下：①-1、选取N幅原始的无失真图像；然后将选取的N幅原始的无失真图像和每幅原始的无失真图像对应的L个失真强度的失真图像构成训练图像集，记为其中，N>1，L>1， 表示 中的第u幅原始的无失真图像， 表示 中的第u幅原始的无失真图像对应的第v个失真强度的失真图像；

①-2、通过采用Gabor滤波器获取 中的每幅失

真图像中的每个像素点在不同中心频率和不同方向因子下的频率响应，再获取中的每幅失真图像中的每个像素点在不同中心频率和不同方向因子下的振幅，将 中坐标位置为(x,y)的像素点在中心频率为ω和方向因子为θ下的振幅记为 其中，(x,y)表示原始的无失真图像及其对应的失真图像中的像素点的坐标位置，1≤x≤W,1≤y≤H，W和H对应表示原始的无失真图像及其对应的失真图像的宽度和高度，ω表示所采用的Gabor滤波器的中心频率，ω∈Ωω， θ表示所采用的Gabor滤波器的方向因子，θ∈Ωθ，①-3、将 中的每幅失真图像划分成 个互不重叠的

尺寸大小为8×8的子块；然后将 中的所有失真图像中的所有子块构成一个失真子块集合，记为{Rk|1≤k≤M}，其中， Rk表示{Rk|1≤k≤M}中的第k个子块；

①-4、计算{Rk|1≤k≤M}中的每个子块中的所有像素点的HOG特征统计直方图，将以矢量形式表示的HOG特征统计直方图作为每个子块的第一图像特征矢量，对于{Rk|1≤k≤M}中的第k个子块，将该子块中的所有像素点的HOG特征统计直方图作为该子块的第一图像特征矢量，记为 其中， 的维数为36；并计算{Rk|1≤k≤M}中的每个子块中的所有像素点在不同中心频率和不同方向因子下的振幅的均值，将得到的每个子块对应的20个均值按序组成每个子块的第二图像特征矢量，将{Rk|1≤k≤M}中的第k个子块对应的20个均值按序组成的第二图像特征矢量记为 其中， 的维数为20， 中的一个元素的值为该子块中的所有像素点在一个中心频率和一个方向因子下的振幅的均值；然后根据{Rk|1≤k≤M}中的每个子块的第一图像特征矢量和第二图像特征矢量，获得{Rk|1≤k≤M}中的每个子块的图像特征矢量，将{Rk|1≤k≤M}中的第k个子块的图像特征矢量记为 其中， 的维数为56，此处符号“[]”为矢量表示符号；

再将{Rk|1≤k≤M}中的所有子块的图像特征矢量构成的集合记为①-5、采用6种不同的全参考图像质量评价方法分别获取{Rk|1≤k≤M}中的每个子块的客观评价预测值，将得到的每个子块对应的6个客观评价预测值按序组成每个子块的图像质量矢量，将{Rk|1≤k≤M}中的第k个子块对应的6个客观评价预测值按序组成的图像质量矢量记为 其中， 的维数为6；然后将{Rk|1≤k≤M}中的所有子块的图像质量矢量构成的集合记为①-6、采用最小角回归方法对由 和 构成的

集合进行字典训练操作，构造得到 的图像特征字典

表和图像质量字典表，对应记为Df和Dq，Df和Dq是采用最小角回归方法求解得到的，其中，Df的维数为56×K，Dq的维数为6×K，K表示设定的字典的个数，K≥1，min( )为取最小值函数，符号“|| ||F”为求取矩阵的弗罗贝尼乌斯范数-范数符号，符号“|| ||1”为求取矩阵的1-范数符号，符dis号“|| ||2”为求取矩阵的2-范数符号， X 的维数为56×M，为 中的第1个图像特征矢量， 为 中的第k个图像特征矢dis

量， 为 中的第M个图像特征矢量， Y 的维数为

6×M， 为 中的第1个图像质量矢量， 为 中的第k个图像质量矢量， 为 中的第M个图像质量矢量，a表示稀疏矩阵，a＝[a1…ak…aM]，a的维数为K×M，a1为a中的第1个列向量，ak为a中的第k个列向量，aM为a中的第M个列向量，符号“[]”为矢量表示符号，β为加权参数，λ1和λ2为拉格朗日参数；

所述的测试阶段过程的具体步骤如下：

②-1、对于任意一副测试图像Stest，按照步骤①-2的过程，以相同的操作方式获取Stest中的每个像素点在不同中心频率和不同方向因子下的振幅；然后将Stest划分成个互不重叠的尺寸大小为8×8的子块，再将Stest中的所有子块构成一个集合，记为其中，W'和H'对应表示Stest的宽度和高度，W'与W相同，H'与H相同，Rt'表示 中的第t个子块；

②-2、按照步骤①-4的过程，以相同的操作方式获取 中的每个子块的图像特征矢量，将 中的第t个子块的图像特征矢量记为 其中，的维数为56；

②-3、根据 中的每个子块的图像特征矢量和在训练阶段过程中构造得到的Df，获取 中的每个子块的稀疏系数矩阵，将中的第t个子块的稀疏系数矩阵记为 其中， 的维数为K×1；

②-4、根据 中的每个子块的稀疏系数矩阵和在训练阶段过程中构造得到的Dq，计算 中的每个子块的局部客观评价度量值，将中的第t个子块的局部客观评价度量值记为zt；

②-5、根据 中的每个子块的局部客观评价度量值，计算Stest的图像质量客观评价预测值，记为Q，

2.根据权利要求1所述的一种基于非监督学习的图像质量评价方法，其特征在于所述的步骤①-2中的 的获取过程为：①-2a、采用Gabor滤波器对 进行滤波处理，得到 中的每个像素点在不同中心频率和不同方向因子下的频率响应，将 中坐标位置为(x,y)的像素点在中心频率为ω和方向因子为θ下的频率响应记为其中， 为 的实部，

为 的虚部，j为虚数单位；

①-2b、根据 中的每个像素点在不同中心频率和不同方向因子下的频率响应，计算 中的每个像素点在不同中心频率和不同方向因子下的振幅， 中坐标位置为(x,y)的像素点在中心频率为ω和方向因子为θ下的振幅 为：其中，符号“|| ||2”为求取矩阵的2-范数符号。

3.根据权利要求1或2所述的一种基于非监督学习的图像质量评价方法，其特征在于所述的步骤②-3中的 是采用最小角回归方法求解得到的。

4.根据权利要求3所述的一种基于非监督学习的图像质量评价方法，其特征在于所述的步骤②-4中的