1.一种图像质量评估方法，其特征在于，包括：
对待评估图像进行特征提取，得到待评估图像的特征点集数据，特征点集数据中包括每个特征点在图像区域内的位置信息；
对所述待评估图像的特征点集进行Delaunay三角剖分，得到待评估图像对应的Delaunay三角网络；
计算所述Delaunay三角网络中每个三角形的面积area[i]，i为大于等于1小于等于n的整数，n为Delaunay三角网络中三角形数量；
根据area[i]计算所述Delaunay三角网络在待评估图像中的占用面积比例，并根据该占用面积比例对待评估图像进行质量评估。
2.如权利要求1所述的图像质量评估方法，其特征在于，所述方法还包括：计算area[i]的分布平滑度；
根据所述计算出的Delaunay三角网络在待评估图像中的占用面积比例和area[i]的分布平滑度对待评估图像进行质量评估。
3.如权利要求2所述的图像质量评估方法，其特征在于，计算area[i]的分布平滑度具体为：
计算area[i]的均值mean和方差variance；
计算(area[i]-mean)2中的最大值maxSub；
area[i]的分布平滑度＝1-sqrt(variance/maxSub)。
4.如权利要求1至3中任一项所述的图像质量评估方法，其特征在于，所述对所述待评估图像的特征点集进行Delaunay三角剖分，具体为：
对待评估图像的特征点集中各特征点进行空间排序，根据排序结果构建Delaunay三角形网络。
5.如权利要求4所述的图像质量评估方法，其特征在于，所述空间排序指根据特征点的位置信息对特征点集中的特征点进行中值排序，具体为：
将特征点集中特征点在x轴和y轴上直径最大/最小轴作为排序轴；
计算构成该直径的两个特征点的中值，改变原特征点集使空间上位于中值左侧的特征点在数据集合中位于中值点左侧，右侧点位于中值点右侧；
然后对左侧点构成的点集和右侧点构成的点集进行上述递归处理，直到中值一侧特征点数量小于2。
6.一种图像质量评估装置，其特征在于，包括：
特征提取模块，用于对待评估图像进行特征提取，得到待评估图像的特征点集数据，特征点集数据中包括每个特征点在图像区域内的位置信息；
三角剖分模块，用于对所述待评估图像的特征点集进行Delaunay三角剖分，得到待评估图像对应的Delaunay三角网络；
计算模块，用于计算所述Delaunay三角网络中每个三角形的面积area[i]，并根据area[i]计算所述Delaunay三角网络在待评估图像中的占用面积比例，其中i为大于等于1小于等于n的整数，n为Delaunay三角网络中三角形数量；
评估模块，根据计算单元计算出的所述占用面积比例对待评估图像进行质量评估。
7.如权利要求6所述的图像质量评估装置，其特征在于，所述计算单元还用于计算area[i]的分布平滑度；所述评估单元根据计算单元计算出的所述占用面积比例和area[i]的分布平滑度对待评估图像进行质量评估。
8.如权利要求6或7所述的图像质量评估装置，其特征在于，所述三角形剖分单元对所述待评估图像的特征点集进行Delaunay三角剖分，具体为：
对待评估图像的特征点集中各特征点进行空间排序，根据排序结果构建Delaunay三角形网络。