1.一种基于自主学习的无参考彩色图像质量评价方法，其特征在于，首先利用自主学习策略选择代表性强的样本构建图像字典，然后利用所构建的图像字典和待评价图像实行映射关系得到质量评价分数，最后再利用自主学习策略实时更新图像字典；

该方法具体包括以下步骤：

S1：针对彩色图像，通过四元数理论将红R、绿G、蓝B三个颜色通道中的像素用一个超复数进行表示，得到彩色图像的四元数矩阵；

S2：将图像进行分块处理，通过人眼视觉特性提取图像块的局部特征，并消除图像块间的相关性；

S3：利用自主学习策略，自主选择图像块中相似性最小的图像块，并判断该图像块与字典内所有原子间的差异性，若差异性小则放入字典中，依次循环直至达到字典维度时输出字典；

S4：通过待评价图像与字典间的映射关系，并通过支持向量回归SVR方法得到最终的质量评价分数；

S5：根据待评价图像和求得的质量评价分数用自主学习策略实时更新字典。

2.根据权利要求1所述的一种基于自主学习的无参考彩色图像质量评价方法，其特征在于，所述步骤S1具体包括：将一组已知主观评价分数DMOS值的彩色图像作为训练样本，对每一幅彩色图像中红R、绿G、蓝B三个颜色通道中的像素用四元数的3个虚部表示，实部为0，这样彩色图像的每个像素表示为一个纯四元数：f(x,y)＝fR(x,y)·i+fG(x,y)·j+fB(x,y)·k其中，x和y分别表示像素点在图像中的坐标，fR(x,y)、fG(x,y)、fB(x,y)是分别对应颜色通道内坐标为(x,y)的像素值，i、j、k是四元数的3个虚数单位。

3.根据权利要求1所述的一种基于自主学习的无参考彩色图像质量评价方法，其特征在于，所述步骤S2具体包括以下步骤：S21：将每一幅图像分解成尺度为d×d的互不重叠图像块，设xc是图像块中心点，则块内其他像素点为x1,x2,…xn，那么将图像块内其他像素点分别与xc相减得到该图像块的像素差异值y'，其数学表达式为：y'＝(x1-xc,x2-xc,…,xn-xc)

S22：由于人眼对图像的响应具有对数非线性特性，故可通过人眼非线性感知特性将图像块的像素差异值用一个局部特征向量来表示，其数学表达式：z＝sign(y')·log(|y'|+1)

其中，z表示图像块的局部特征；

S23：利用图像块间的差异性消除相似图像块，其中差异性通过图像块间的夹角求得，即其中，D(zi)表示训练集U中图像块zi与其它图像块间的差异性，zi·zj表示图像块间的内积，||·||表示向量的模值；若D(zi)＝0则说明两图像块相同，可删除后一个图像块以消除图像块间的相似性；

S24：利用主成分分析(Principal component analysis,PCA)法对图像块进行白化，消除图像块的冗余信息，数学表达式为：其中，xi是原图像特征，xPCAwhite,i是白化后的图像特征，λi是PCA变换矩，C是避免分母为

0时的一个小常数，m是图像块的总数。

4.根据权利要求1所述的一种基于自主学习的无参考彩色图像质量评价方法，其特征在于，所述步骤S3具体包括以下步骤：S31：初始化：设训练集合为U，拟构建的原子数为K，字典S＝Φ，Φ是一个空集；

S32：估计训练集U中图像块间的相似性，即计算图像块之间的欧几里德距离和夹角：其中，R(zi)表示训练集U中图像块zi与其它图像块间的最小相似性， 是图像块zi和zj之间的欧氏距离， 是图像块zi和zj之间的夹角；

S33：对训练集U中的图像块以相似性从小到大进行排序，按顺序将前K个图像块放入字典S中，构建初始字典；

S34：计算第K+1个图像块zK+1与字典S内所有原子之间的最小差异性值d，其中差异性为图像块zK+1与字典S内原子间的夹角，数学表达式为：其中，sj表示字典S内的原子，zK+1·sj表示图像块与字典内原子sj间的内积，||·||表示向量的模值；

同样的，利用相同方法计算字典S内原子间的最小差异性值D(si)，其中si是字典内与其他原子间差异性最小的原子；

S35：若最小差异性值d＞D，则更新字典，即用图像块zt替换字典S中的原子xj，然后使K＝K+1并返回S34；反之则到S36；

S36：输出字典。

5.根据权利要求3所述的一种基于自主学习的无参考彩色图像质量评价方法，其特征在于，所述步骤S4具体包括：S41：将待评价彩色图像按照步骤S1和步骤S2的方式进行预处理，得到待评价图像分块后图像块的局部特征向量集合 其中 表示待评价图像中某一图像块的局部特征向量；

S42：利用图像块之间的欧几里德距离和夹角的相关公式计算每一个图像块 与字典S内原子间的最大相似性：其中， 表示待评价图像中图像块 与字典S内所有原子的最大相似性值，是图像块 和字典内原子sj之间的欧氏距离， 是图像块 和字典内原子sj之间的夹角；

S43：将待评价图像的所有图像块与字典S内原子间的最大相似性按照一个向量矩阵的形式进行汇总，并放入支持向量回归SVR方法中，结合对应原子的DMOS值预测得到图像质量分数；其中该向量矩阵表示为：

6.根据权利要求1所述的一种基于自主学习的无参考彩色图像质量评价方法，其特征在于，所述步骤S5具体包括：S51：计算已知图像质量分数的待评价图像的图像块间相似性，最小的图像块作为最具代表性的图像块，并计算该图像块与字典内所有原子的差异性，确定最小差异值d；；

S52：计算字典内所有原子间的差异性，确定最小差异性的原子和对应的差异值t；

S53：判断差异值d是否大于差异值t，若大于则将该图像块替换字典内最小差异值的原子，并返回S51继续执行，反之则不更新字典；

S54：输出更新后的字典。