1.一种基于结构失真的无参考图像客观质量评价方法，其特征在于包括以下步骤：①令{Id(i,j)}表示待评价的失真图像，其中，1≤i≤W,1≤j≤H，W表示{Id(i,j)}的宽度，H表示{Id(i,j)}的高度，Id(i,j)表示{Id(i,j)}中坐标位置为(i,j)的像素点的像素值；

②利用八个不同方向的滤波器分别对{Id(i,j)}实施一阶滤波，得到{Id(i,j)}在八个不同方向下的一阶滤波图像，将{Id(i,j)}在方向为θ下的一阶滤波图像记为 其中，八个不同方向的滤波器分别为0°方向的滤波器、45°方向的滤波器、90°方向的滤波器、

135°方向的滤波器、180°方向的滤波器、225°方向的滤波器、270°方向的滤波器、315°方向的滤波器，θ∈{0°，45°，90°，135°，180°，225°，270°，315°}， 表示 中坐标位置为(i,j)的像素点的像素值；

并利用无方向的滤波器对{Id(i,j)}实施一阶滤波，得到{Id(i,j)}在无方向下的一阶滤波图像，记为 其中， 表示 中坐标位置为(i,j)的像素点的像素值；

然后根据{Id(i,j)}在八个不同方向下的一阶滤波图像和 获取{Id(i,j)}的一阶滤波图像的最大值图像，记为 将 中坐标位置为(i,j)的像素点的像素值记为

其中，max

()为取最大值函数，符号“||”为取绝对值符号；

③利用八个不同方向的滤波器分别对{Id(i,j)}实施二阶滤波，得到{Id(i,j)}在八个不同方向下的二阶滤波图像，将{Id(i,j)}在方向为θ下的二阶滤波图像记为 其中，八个不同方向的滤波器分别为0°方向的滤波器、45°方向的滤波器、90°方向的滤波器、

135°方向的滤波器、180°方向的滤波器、225°方向的滤波器、270°方向的滤波器、315°方向的滤波器，θ∈{0°，45°，90°，135°，180°，225°，270°，315°}， 表示 中坐标位置为(i,j)的像素点的像素值；

并利用无方向的滤波器对{Id(i,j)}实施二阶滤波，得到{Id(i,j)}在无方向下的二阶滤波图像，记为 其中， 表示 中坐标位置为(i,j)的像素点的像素值；

然后根据{Id(i,j)}在八个不同方向下的二阶滤波图像和 获取{Id(i,j)}的二阶滤波图像的最大值图像，记为 将 中坐标位置为(i,j)的像素点的像素值记为

④采用局部三元模式算法对 进行处理，得到 的局部模式特征图像，记为 其中，局部三元模式算法中的领域参数P取值为8， 表示中坐标位置为(i,j)的像素点的像素值，

同样，采用局部三元模式算法对{Id(i,j)}在八个不同方向下的二阶滤波图像进行处理，得到{Id(i,j)}在八个不同方向下的二阶滤波图像的局部模式特征图像，将 的局部模式特征图像记为 其中， 表示 中坐标位置为(i,j)的像素点的像素值，

采用局部三元模式算法对 进行处理，得到 的局部模式特征图像，记为 其中， 表示 中坐标位置为(i,j)的像素点的像素值，采用局部三元模式算法对 进行处理，得到 的局部模式特征图

像，记为 其中， 表示 中坐标位置为(i,j)的像素点

的像素值，

⑤采用直方图统计方法对 进行统计操作，得到 的直方图统

计特征向量，记为 其中， 的维数为1×m'维，m'＝P+2；

同样，采用直方图统计方法对{Id(i,j)}在八个不同方向下的二阶滤波图像的局部模式特征图像进行统计操作，得到{Id(i,j)}在八个不同方向下的二阶滤波图像的局部模式特征图像的直方图统计特征向量，将 的直方图统计特征向量记为 其中，的维数为1×m'维；

采用直方图统计方法对 进行统计操作，得到 的直方图统计特

征向量，记为 其中， 的维数为1×m'维；

采用直方图统计方法对 进行统计操作，得到 的直方图统计

特征向量，记为 其中， 的维数为1×m'维；

⑥采用n”幅原始的无失真的图像，建立其在不同失真类型不同失真程度下的失真图像集合，将该失真图像集合作为训练集，训练集包括多幅失真图像；然后利用主观质量评价方法评价出训练集中的每幅失真图像的主观评分值，将训练集中的第j'幅失真图像的主观评分记为DMOSj'；再按照步骤①至步骤⑤的操作，以相同的方式获取训练集中的每幅失真图像对应的11个直方图统计特征向量，将训练集中的第j'幅失真图像对应的11个直方图统计特征向量依次记为其中，n”＞1，1≤j'≤N'，N'表示训练集中包含的失真图像的总幅数，0≤DMOSj'≤100，

对应表示训练集中的第j'幅失真图像的一阶滤波图

像的最大值图像、训练集中的第j'幅失真图像在方向为0°下的二阶滤波图像、训练集中的第j'幅失真图像在方向为45°下的二阶滤波图像、训练集中的第j'幅失真图像在方向为90°下的二阶滤波图像、训练集中的第j'幅失真图像在方向为135°下的二阶滤波图像、训练集中的第j'幅失真图像在方向为180°下的二阶滤波图像、训练集中的第j'幅失真图像在方向为225°下的二阶滤波图像、训练集中的第j'幅失真图像在方向为270°下的二阶滤波图像、训练集中的第j'幅失真图像在方向为315°下的二阶滤波图像、训练集中的第j'幅失真图像在无方向下的二阶滤波图像、训练集中的第j'幅失真图像的二阶滤波图像的最大值图像各自的局部模式特征图像的直方图统计特征向量，的维数均为1×m'

维；

⑦利用支持向量回归对训练集中的所有失真图像各自的主观评分值及对应的11个直方图统计特征向量进行训练，使得经过训练得到的回归函数值与主观评分值之间的误差最小，拟合得到最优的权值矢量Wopt和最优的偏置项bopt；接着利用Wopt和bopt构造得到支持向量回归训练模型；再根据支持向量回归训练模型，对进行测试，预测得到{Id(i,j)}

的客观质量评价预测值，记为Q，Q＝f(x)， 其中，

对应表示{Id(i,j)}在方向为0°下的二阶

滤波图像、{Id(i,j)}在方向为45°下的二阶滤波图像、{Id(i,j)}在方向为90°下的二阶滤波图像、{Id(i,j)}在方向为135°下的二阶滤波图像、{Id(i,j)}在方向为180°下的二阶滤波图像、{Id(i,j)}在方向为225°下的二阶滤波图像、{Id(i,j)}在方向为270°下的二阶滤波图像和{Id(i,j)}在方向为315°下的二阶滤波图像各自的局部模式特征图像的直方图统计特征向量，Q是x的函数，f()为函数表示形式，x为输入变量，x表示(Wopt)T为Wopt的转

置矢量， 为x的线性函数。

2.根据权利要求1所述的一种基于结构失真的无参考图像客观质量评价方法，其特征在于所述的步骤④中的局部三元模式算法中的局部半径参数R取值为1、阈值T取值为5。