1.一种基于空域和变换域多特征融合的图像质量评价方法，其特征在于，具体按照以下步骤实施：步骤1、颜色空间转换，将图像数据库中所有参考图像和失真图像由RGB颜色空间转变为LMN颜色空间，实现图像亮度通道L和两个色度通道M、N的分离，为后续分通道提取图像特征做准备；

步骤2、经步骤1完成后，分别提取参考图像和失真图像在亮度通道L中的空域梯度特征、对比敏感度特征，以及在M和N两个色度通道中的色度特征，并计算相似性，得到代表失真图像特征的梯度相似性图、对比敏感度相似性图以及色度相似性图；

步骤3，通过显著性检测模型分别提取参考图像和失真图像在全局图像中的与人眼视觉感知相一致的视觉显著性特征，并计算相似性，得到视觉显著性相似性图；

步骤4，经步骤2和步骤3完成后，通过池化策略，分别提取每个相似性图的平均值、标准偏差及熵，从而为每幅失真图像生成一个12维的相似性特征向量；

步骤5、经步骤4完成后，将图像数据库中所有失真图像提取的12维相似性特征向量以及失真图像对应的主观平均质量分数MOS利用随机森林RF工具训练回归模型，训练好的模型即可用于精确预测待评价的失真图像的质量。

2.根据权利要求1所述的一种基于空域和变换域多特征融合的图像质量评价方法，其特征在于，所述步骤1中，将图像数据库中所有参考图像和失真图像由RGB颜色空间转变为LMN颜色空间，实现图像亮度通道L和两个色度通道M、N的分离，为后续分通道提取图像特征做准备，具体来说，对于图像数据库中的任意一幅图像，其颜色空间转变过程可表示为：

3.根据权利要求1所述的一种基于空域和变换域多特征融合的图像质量评价方法，其特征在于，所述步骤2具体按照以下步骤实施：步骤2.1，提取参考图像和失真图像在亮度通道L中的空域梯度特征，再计算相似性，得到梯度相似性图，具体实现过程如下：首先选取大小为5*5并包含有0°、45°、90°及135°四个方向的掩模对图像做卷积运算，卷积方法如下：式(2)中：M1、M2、M3及M4分别表示在0°、45°、90°及135°这四个方向上的卷积模板；另外，(i,j)表示卷积模板中的像素点，(X,Y)为图像中的像素点，Gx(X,Y)表示图像在0°方向上的梯度幅度值，Gy(X,Y)表示图像在90°方向上的梯度幅度值，Gu(X,Y)表示图像在45°方向上的梯度幅度值，Gv(X,Y)表示图像在135°方向上的梯度幅度值；

其次，经卷积操作后分别计算参考图像和失真图像的梯度幅度值，计算过程如下：

式(3)中：G1(X,Y)表示在图像在0°-90°方向上的梯度分量幅度值，G2(X,Y)表示在图像在45°-135°方向上的梯度分量幅度值，G表示一幅图像在四个方向上提取的梯度幅度值；

最后，通过参考图像和失真图像提取的梯度幅度值，计算两幅图像的梯度相似性指标，得到梯度相似性图，具体方法如下：式(4)中：G1和G2表示参考图像和失真图像提取的梯度幅度值，C1是一个正常量，用于防止分母为零而造成Gsim的不稳定；

步骤2.2，提取参考图像和失真图像在亮度通道L中的对比敏感度特征，再计算相似性，得到对比敏感度相似性图，具体实现过程如下：对比敏感度特征的提取是在变换域中进行的，首先将一幅图像从空域经离散余弦变换变为离散余弦域，再分别计算图像在低频区域RL、中频区域RM和高频区域RH的离散余弦域系数，具体方法如下：式(5)、(6)和(7)中：p(u,v)表示是在像素点(u,v)处的DCT系数的归一化幅度值；

其次，计算参考图像和失真图像分别在低频、中频和高频区域中的相似性，过程如下：

式(8)、(9)和(10)中：csfL1、csfM1及csfH1分别表示参考图像在RL、RM、RH中的离散余弦系数，csfL2、csfM2及csfH2分别表示失真图像在RL、RM、RH中的离散余弦系数；另外，C2、C3和C4均为正常量，用于防止分母为零而造成csfLMap、csfMMap及csfHMap的不稳定；

最后，参考图像和失真图像的对比敏感度相似性计算如下：

CSFsim＝csfLMap(X)*csfMMap(X)*csfHMap(X)    (11)步骤2.3，分别计算参考图像和失真图像在M和N两个色度通道中的相似性度量，两者乘积即为提取的色度相似性图，具体计算方法如下：式(12)中：M1和N1分别表示参考图像的M通道和N通道的色度信息，M2和N2分别表示失真图像的M通道和N通道的色度信息；C5和C6均为正常量，用于防止分母为零而造成Csim的不稳定。

4.根据权利要求1所述的一种基于空域和变换域多特征融合的图像质量评价方法，其特征在于，所述步骤3具体按照以下步骤实施：分别提取参考图像和失真图像在全局图像中的与人眼视觉感知相一致的视觉显著性特征，计算相似性后得到视觉显著性相似性图，具体过程如下所示：式(13)中：VSMap1(X)和VSMap2(X)分别为参考图像和失真图像的视觉显著性图，C7为正常量，用于防止分母为零而造成VSsim的不稳定。

5.根据权利要求1所述的一种基于空域和变换域多特征融合的图像质量评价方法，其特征在于，所述步骤4具体按照以下步骤实施：经步骤2和步骤3完成后，每幅失真图像可得到四个相似性图：梯度相似性图Gsim，对比敏感度相似性图CSFsim，色度相似性图Csim和视觉显著性相似性图VSsim；经过池化策略，分别提取每个相似性图的均值、标准偏差及熵，进行多特征融合后每幅失真图像会生成一个12维的相似性特征向量，如下所示：F＝[fVS-m,fVS-s,fVS-e,fG-m,fG-s,fG-e,fCSF-m,fCSF-s,fCSF-e,fC-m,fC-s,fC-e]   (14)式(14)中：fVS-m、fVS-s和fVS-e分别是视觉显著性相似性图的均值、标准偏差和熵，fG-m、fG-s和fG-e分别是梯度相似性图的均值、标准偏差和熵，fCSF-m、fCSF-s和fCSF-e分别是对比敏感度相似性图的均值、标准偏差和熵，fC-m、fC-s和fC-e分别是色度相似性图的均值、标准偏差和熵。

6.根据权利要求1所述的一种基于空域和变换域多特征融合的图像质量评价方法，其特征在于，所述步骤5具体按照以下步骤实施：步骤5.1，经步骤4完成后，将图像数据库中所有失真图像提取的12维相似性特征向量以及失真图像对应的主观质量得分MOS利用随机森林RF工具训练回归模型，同时将模型中决策树的数量设置为ntree＝500，数节点预选变量个数设置为mtry＝2；训练好的模型即可用于精确预测待评价的失真图像的质量；

步骤5.2，经步骤5.1完成后，图像质量预测模型就已经训练好了，将一幅或多幅待评价的失真图像及其相应的参考图像分别经过步骤1、步骤2、步骤3、和步骤4，得到代表失真图像全局质量的12维相似性特征向量，并输入到已训练好的RF回归模型中，输出结果即为模型预测的失真图像的质量分数，这样就可以实现对待评价的失真图像质量的精确预测。