中文摘要：

图像质量评价是识别和分类的基础和决策关键，是急需和正在解决的重要科学问题。当前的进展主要在灰度图像的全参考图像质量评价(FR-IQA)而且主要集中评价图像的降质；更重要的无参考图像质量评价(NR-IQA)及彩色图像质量评价尚未取得突破。重要原因是未深入了解视觉对图像的认知的功能特征。本项目将在深入分析和客观描述视觉对图像的认知特征的基础上，建立图像质量评价的机器视觉，并建立基于机器视觉的通行强的最好质量图像的评价和产生方法。借该评价方法可使通过视觉对比度分辨补偿变不可视的图像为该条件下的最好质量图像。我们初步筛选了与图像质量认知有关的四个客观物理量信息量、平均对比度和平均灰度和噪声率。我们拟建立的方法是对单幅图像的独立计算而不依赖参考图像（现有方法是依赖的），既适合于FR-IQA，也适合于NR-IQA，既适合灰度图又适合彩图。

结论摘要：

完成了申请书中的研究内容和目标的计划。发表中英文论文共19篇，其中汉语论文3篇共被8人引用。1篇英语论文被3人引用，其中2名外国学者。6篇论文被EI收录。获得授权发明专利9项。培养硕士研究生10人，其中4人毕业并获得硕士学位。在研究发现并量化了人类视觉评价图像质量的5个物理因素，并建立了测量这些因素的数学模型和测量方法的基础上，建立了通用的、积极的、源于人类视觉又优于人类视觉的图像质量评价的机器视觉，包括数学模型和计算机实现。该机器视觉既能用于无参考图像质量评价（NR-IQA），也能用于全参考图像质量评价（FR-IQA），还能用于评价FR-IQA的参考图像是否最佳。该机器视觉还能评价图像处理系统功能。既能评价单幅图像质量，也能比较多幅图像质量。建立了快速的、能用于视频和实时监控及遥测的、自适应的、通用的，或可称为全天候的，包括正常天气、雾天、水下（申请书内容没有后两者）静止图像和视频图像最佳化的系统理论和技术，包括基于硬件和基于软件的技术，基于补偿和基于变换的理论和技术。 研究发现了人类视觉不能分辨低照度图像的原因。建立了在明视觉、暗视觉和中间视觉下的测量人类视觉对比度分辨率（灰度和彩色）的实验系统，发现了人类视觉对比度分辨率随照度变化的规律，建立了人类视觉对比度分辨率随照度变化的数学模型。在此基础上建立了实现低照度下获取的图像或视频的最佳化理论和技术。发现了获得最佳质量图像的Zadeh-X变换方法。由于国内外文献未发现图像质量最佳化的概念、理论和方法，所以我们首先用Zadeh-X变换方法实验证实了最佳质量图像的存在。研究发现了用变换方法获得最佳质量图像时，最佳变换参量DELTA自适应于原始图像的平均亮度（AL），在此基础上，建立了DELTA自适应于AL的两种统计模型，完成了图像质量最佳化的理论体系和技术. 由于当今国内外尚无关于一般的图像质量最佳化问题的讨论，所以在研究介质（水或雾）中获得的图像增强时，其结果在内容和颜色上都是各不相同的。我们在研究介质中获得的图像的谱特征的基础上，提出了介质本身是成像客体，最终获得的介质中物体的图像是介质图像和介质中物体图像的合成（加权和）的模型，建立了去水（或雾）-衰减补偿-最佳化的通用的理论模型和介质（雾或水）中图像质量最佳化的理论和技术实现。