随着3D视频的普及，虚拟视角合成（DIBR）技术被广泛应用在娱乐、**、教育等多个领域。DIBR技术作为虚拟视角合成的主流技术之一，其合成图像视频的质量是相应技术成功应用的关键，因此针对DIBR图像提出了一种基于统计特征的无参考质量评价模型。首先通过Benford定律对DIBR图像特有的纹理失真进行检测，再提取图像的discrete cosine transform（DCT）系数的离散值和自然场景统计特征。最后利用支持向量回归（SVR）对提取的特征进行训练，得出预测分数。在IVC、IETR和MCL-3D三个公开的图像数据集上的实验结果表明，所提方法与人类主观评价具有高度的一致性。

色域映射是实现彩色图像在不同设备中传输和再现的关键技术,也是现代颜色管理系统的核心环节。但关于色域映射图像的质量评价研究较少,因此,提出了一种基于自然场景统计的无参考色域映射图像质量评价算法。首先将色域映射图像转换到Spatial-CIELAB颜色空间并提取颜色三属性,即亮度、彩度和色调。对亮度分量进行Log-Gabor滤波,在频域上提取统计特征表征图像的结构失真和对比度失真;对彩度和色调两个分量,在空间域上提取统计特征来表征图像的颜色失真。然后结合主观分数和提取的特征,利用后向传播神经网络训练图像质量评价模型。最后用模型评价图像质量,实验结果表明,该算法优于现有的无参考质量评价算法。