1.一种全参考图像质量评价方法，其特征在于，包括：

获取参考图像以及失真图像；

估计所述参考图像以及失真图像中像素点的亮度和色度，根据所述像素点亮度和色度计算亮度相似度以及色度相似度；具体的：式中，Y表示未分解超像素前的图像亮度分量，i表示第i个像素点， 是第j个超像素，是图像分解超像素后的在第j个超像素中的第i个像素的亮度， 第j个超像素中像素的个数； ， 表示图像分解超像素后的在第j个超像素中的第i个像素的色度，u，v表示未分解超像素前的图像色度分量；

式中， ， 分别为所述参考图像和失真图像中第i个像素点的亮度； ，表示参考图像的色度； ， 表示失真图像的色度； 表示亮度相似度；

表示色度相似度；T1，T2，T3都表示正变量；

使用GBVS显著性模型提取所述参考图像以及失真图像的显著性特征，得到所述参考图像以及失真图像的显著性图，根据所述显著性图得到所述参考图像以及失真图像之间的显著性相似度；具体的：式中， ， 分别表示参考图像和失真图像的显著性图中第i个像素的像素值；T4是一个正变量； 为显著性相似度；

计算所述参考图像以及失真图像的梯度幅值，根据所述梯度幅值计算所述参考图像以及失真图像之间的梯度相似度；具体的：使用多个方向的梯度算子对图像进行卷积计算：

式中，Y表示亮度分量； 表示卷积计算； 表示多个方向的梯度算子， 表示多个方向上梯度分量的最大值；

式中， ， 分别表示所述参考图像和失真图像第i个像素的梯度最大值；T5表示一个正变量；

根据所述亮度相似度，所述色度相似度、所述显著性相似度以及所述梯度相似度计算得到图像质量评价指标；具体的：式中， 为图像评价指标； 表示由GBVS视觉显著性算法模型计算得到的显著性图，具体值由GBVS视觉显著性算法模型决定； 表示图像的局部质量图；α和β是调整亮度和色度相似度的参数。

2.根据权利要求1所述的全参考图像质量评价方法，其特征在于，在所述估计所述参考图像以及失真图像中像素点的亮度和色度，根据所述像素点亮度和色度计算亮度相似度以及色度相似度，之前还包括：采用超像素方法对所述参考图像以及失真图像进行分块。

3.一种全参考图像质量评价系统，其特征在于，包括：

图像获取模块，用于获取参考图像以及失真图像；

亮度相似度获取模块，用于估计所述参考图像以及失真图像中像素点的亮度和色度，根据所述像素点亮度和色度计算亮度相似度以及色度相似度；具体的：式中，Y表示未分解超像素前的图像亮度分量，i表示第i个像素点， 是第j个超像素，是图像分解超像素后的在第j个超像素中的第i个像素的亮度， 第j个超像素中像素的个数； ， 表示图像分解超像素后的在第j个超像素中的第i个像素的色度，u，v表示未分解超像素前的图像色度分量；

式中， ， 分别为所述参考图像和失真图像中第i个像素点的亮度； ，表示参考图像的色度； ， 表示失真图像的色度； 表示亮度相似度； 表示色度相似度；T1，T2，T3都表示正变量；

显著性相似度获取模块，用于使用GBVS显著性模型提取所述参考图像以及失真图像的显著性特征，得到所述参考图像以及失真图像的显著性图，根据所述显著性图得到所述参考图像以及失真图像之间的显著性相似度；具体的：式中， ， 分别表示参考图像和失真图像的显著性图中第i个像素的像素值；T4是一个正变量； 为显著性相似度；

梯度相似度获取模块，用于计算所述参考图像以及失真图像的梯度幅值，根据所述梯度幅值计算所述参考图像以及失真图像之间的梯度相似度；具体的：使用多个方向的梯度算子对图像进行卷积计算：

式中，Y表示亮度分量； 表示卷积计算； 表示多个方向的梯度算子， 表示多个方向上梯度分量的最大值；

式中， ， 分别表示所述参考图像和失真图像第i个像素的梯度最大值；T5表示一个正变量；

评价指标计算模块，用于根据所述亮度相似度，所述色度相似度、所述显著性相似度以及所述梯度相似度计算得到图像质量评价指标；具体的：式中， 为图像评价指标； 表示由GBVS视觉显著性算法模型计算得到的显著性图，具体值由GBVS视觉显著性算法模型决定； 表示图像的局部质量图；α和β是调整亮度和色度相似度的参数。

4.根据权利要求3所述的全参考图像质量评价系统，其特征在于，还包括：分块模块，用于采用超像素方法对所述参考图像以及失真图像进行分块。