（4）评价3D 图像品质[10]。随着图像处理技术的快速发展，为了增强图像立体感，怎样开发三文的图像处理技术将会是研究的热门。
（5）建立可靠的客观图像品质评估模型[11]。
图像品质评估是人脸识别系统的关键环节。依靠日益成熟的图像品质评估算法，未来很多这方面的产品将会出现在生活当中，所以图像品质评估算法拥有美好的研究前景。
1.4  本文结构
本文根据当前的客观评估标准，综合考虑相关因素，首先整合并总结目前几种主要的人脸图像评估算法，在深入思考后，改进并提出属于自己的算法，综合被选取因素的得分情况，给出每张图片一个总的得分。
本文后文的结构如下面所示：
第2章，总体概述人脸品质评估算法目前研究情况，主要介绍主观评价和客观评价，同时描述人脸评估准则、OpenCV以及Matlab的大体情况。
第3章，根据第2章给出的人脸评估准则，整合并总结目前几种主要的人脸图像评估算法，在深入思考后，改进并设计需要考虑的因素的相应算法，最后给出总得分。
第4章，使用 Matlab编写程序，具体实现几项评估因素的算法。
 2  人脸品质评估概述
2.1  主观评价和客观评价
2.1.1  主观评价
主观评价顾名思义，根据人的主观感受来对图像品质进行评估。通常情况下，观测者需要机器给出的一系列连续不断的原图和失真图进行测评，给出一个主观分数。ITU-T[12]已发布了相关标准 BT-510，对主观质量评价过程中的测试图像、人员、观测距离以及实验环境等做了详细规定[2]。现在，已经有研究人员对主观评价系统进行了研究。在主观评价系统测试中，通过测试者的反馈信息，可以很好的加速研究进程。主观评价系统的缺点就是需要大量的图片多次进行实验，这样很耗费时间，效率也很低，与此同时研究成本也会显著提高。优点的话就是主观性高，借助人脸视觉的特点，获取较为准确的结果。
2.1.2  客观评价
进行客观评估系统实验时，不需要观测者的参与。只需要根据制定好的评估标准，使用设计好的模型和公式就可以进行评估。这样更加自动化，实际应用时效率好、同时又降低了成本。客观评价模型可以分为三种：
（1）全参考评价模型[13]：提取原始图像的全部信息，与待评估图像进行比较，获取两者差异，得出结论。
（2）半参考评价模型：提取原始图像的部分信息用来做评价。比较提取的信息和即将要测评的图像的信息，得出结论。
（3）无参考评价模型：直接提取评估图像时需要的信息进行测评，不要对比原来图片。
上述三种模型，第一种模型，历经几十年的积累，已经具有了完备的理论和评价机制。然而进行评价时，需要对照原来的图片，对原来的图片非常的依赖，这是一个弊端。第二种模型在一定程度上减少了对原来的图片的依赖性，仍需要提取一些需要的信息才能进行测评。不管怎样，上述两种模型都有一定的约束性。第三种模型不需要参考原始图像，只需要设计算法就可以直接测评，很有研究的必要。 基于显著点的人脸图像品质评估算法(3):http://www.youerw.com/jisuanji/lunwen_30011.html