鉴于生物视觉特征对于图像的良好表征能力，提出了一种基于生物视觉特征的无参考型图像质量评价方法。对生物视觉ST模型进行了研究和分析，完成了对图像的稀疏化表示[利用最小二乘支持向量机回归方法训练生物视觉特征到图像质量的映射关系，获得能够预测图像质量的回归器[通过学习的回归器完成了对图像质量的评价。基于LIVE图像库的实验结果表明，该方法对于特定失真和交叉失真的预测误差分别为2%和5%左右，并且与目前技术条件下的质量评价方法相比具有很好的精确性和单调性。

针对传统复原算法在低信噪比情况下复原结果感知效果差的问题, 提出了一种基于视觉对比敏感度与恰可察觉失真感知的图像复原方法。首先, 利用离散余弦变换(DCT)分解图像, 将图像编码为不同尺度下的一系列子带, 利用概率和模型及DCT感知模型计算每条子带的恰可察觉失真阈值, 并采用明可夫斯基距离计算失真度量; 然后, 对于每个尺度下的每条子带, 利用一个迭代的两断对分程序来调整每个尺度下的每条子带的通道权重, 直至子带的失真度量恰好等于期望的失真阈值; 最后, 利用对比敏感函数对每条子带中的系数进行视觉敏感度加权, 通过DCT逆变换对视觉感知加权后的系数进行重构以得到最终的复原图像。基于LIVE图像库的实验结果表明, 本文复原算法不仅能够有效地增加图像的信噪比, 而且能够很好地改善图像的感知质量。