1.一种基于对比度增强的无参考对比度失真图像质量评价方法，其特征在于，该方法包括如下步骤：步骤(1)：从输入图像集中取出对比度失真图像I，将训练图像集中的彩色失真图像转换为灰度失真图像；

步骤(2)：对对比度灰度失真图像I进行直方图均衡化；

步骤(3)：计算对比度灰度失真图像I和对比度增强图像Y之间的结构相似度，采用如下公式计算得到结构相似度映射图，即SSIM(结构相似度索引)映射图；

其中，i和j分别为SSIM映射图的行索引和列索引，m和n分别为二维高斯滤波器系数的行索引和列索引，ωm,n为二维高斯滤波器系数，N为滤波器窗口大小，C1和C2为避免分母为0设置的常数，μX为参考灰度图像经高斯滤波后的邻域灰度值的均值，μY为失真灰度图像经高斯滤波后的邻域灰度值的均值，σX为参考灰度图像经高斯滤波后的邻域灰度值的标准差，σY为失真灰度图像经高斯滤波后的邻域灰度值的标准差，σXY为参考灰度图像X和失真灰度图像Y之间的协方差；

步骤(4)：计算相似度均值μ1和相似度方差σ1，计算公式如下：其中，W为图像的宽度，H为图像的高度；

步骤(5)：采用超像素分割算法将对比度失真图像I分割为若干个超像素，记分割成的超像素总个数为K，则分割成的第k个超像素记为Pk，其中，1≤k≤K；

步骤(6)：求取第k个超像素的面积、均值和方差，记为Sk、μk和σk，其中1≤k≤K，其中Sk、μk和σk计算公式如下：其中i和j分别为对比度失真图像I的行索引和列索引，Pk为第k个超像素分割块，ak为第k个超像素中的像素个数，其中t(i,j)为(i,j)处的超像素划分，计算公式如下：步骤(7)：采用均值μk和方差σk对第k个超像素分割块Pk进行归一化处理，采用公式如下：其中C3为避免分母为0设置的常数，L(i,j)为归一化图像在(i,j)处的取值；

步骤(8)：计算K个超像素块方差σk的均值μ2和方差σ2，再计算归一化图像L(i,j)在一幅图像的均值μ3和方差σ3，计算公式如下：步骤(9)：求取K个超像素块的面积Sk的均值μ4和方差σ4，求取公式如下：步骤(10)：计算对比度失真图像I在(i,j)处的0°,45°,90°,和135°方向的偏差G0、G45、G90和G135，计算方法如下：步骤(11)：将0°,45°,90°,和135°方向的偏差G0、G45、G90和G135在(i,j)位置处的取值G0(i,j)、G45(i,j)、G90(i,j)和G135(i,j)，组成偏差矩阵G，其中组合公式如下：步骤(12)：将偏差矩阵G进行特征值分解，得到偏差矩阵G的特征值λ1(i,j)和λ2(i,j)，利用特征值λ1(i,j)和λ2(i,j)得到T(i,j)，计算公式如下：其中|·|为求绝对值操作；

步骤(13)：求取T(i,j)的均值μ5和方差σ5，求取特征值λ1的均值μ6和方差σ6，求取特征值λ2的均值μ7和方差σ7，计算公式如下：步骤(14)：将步骤(4)、步骤(8)和步骤(9)提取的均值μ1、μ2、μ3、μ4和方差σ1、σ2、σ3、σ4，步骤(13)提取的均值μ5、μ6、μ7和方差σ5、σ6、σ7组成特征向量F，组合公式如下：F＝[μ1,σ1,μ2,σ2,μ3,σ3,μ4,σ4,μ5,σ5,μ6,σ6,μ7,σ7]；

步骤(15)：将特征向量F合并MOS分值送到支持向量回归机中进行训练，得到训练后的支持向量回归机，其中MOS分值为根据电视图像主观评价标准(ITU‑R BT.500‑11)得到的评价结果；

步骤(16)：将待测图像同样按步骤(1)到步骤(14)的流程提取出特征向量F，送到步骤

15训练后的支持向量回归机中进行测试，得到客观的图像质量评价结果。

2.根据权利要求1所述基于对比度增强的无参考对比度失真图像质量评价方法，其特征在于，其特征在于，所述步骤2包括以下子步骤：(2.1)：统计对比度灰度失真图像I灰度级i的像素个数ni，其中i＝0,1,...,L，L为灰度总级数；

(2.2)：计算得到对比度灰度失真图像I的直方图，其中计算公式如下：其中，n为对比度灰度失真图像I的总像素数目；

(2.3)：计算累积分布函数，计算公式如下：

其中，sk为累积分布结果，k为输出灰度级，i＝0,1,...,L，L为灰度总级数，L取值为255；

(2.4)：计算最终的输出灰度级，计算公式为：

gk＝INT[(gmax‑gmin)×sk+gmin+0.5]其中，INT[·]为向下取整操作，gmin为输出灰度级的最小值，gmax为输出灰度级的最大取值，gk为输出灰度级；

(2.5)：根据输入灰度级和输出灰度级之间的关系，修改对比度灰度失真图像I的灰度级，得到输出对比度增强图像Y。