基于色貌尺度相位一致性的全参考图像质量评价

为提高图像质量评价模型的准确性,提出一种基于色貌尺度相位一致性的全参考评价模型。首先,在CIELAB色空间的色貌指标Vividness上提取图像结构信息,得到色貌尺度上的相位一致性量值;然后,利用均方根法计算对比度相似图,并在通过上述色空间的颜色通道获取色度相似图;最后,将相位一致性、对比度以及色度三种图像特征结合,采用标准差法进行求和池化,得到全参考图像质量评价计算模型。为验证本模型的可靠性,对4个常用图像数据库中的失真图像进行测试,依据4项评价标准分析其预测精度、计算复杂度及泛化性。实验结果表明,模型在上述数据库中测得的Pearson线性相关系数值最低为0.8781(TID2013),最高达到0.9616(LIVE);Spearman秩相关系数值最低为0.8592(TID2013),最高达到0.9653(LIVE)。与多种现有方法相比,本图像质量评价模型具有更高的视觉关系预测精度。

基于局部色貌的无参考彩色模糊图像质量评价方法

图像质量评价方法是为了符合主观视觉图像质量评分结果,设计出的客观计算方法。在本研究中,提出了一种基于CIELAB颜色空间局部色貌指标(clarity)的无参考彩色模糊图像评价(NR-IQA)方法。在所提方法中,结合最大局部clarity和变异局部clarity评价图像模糊等级。最大局部clarity表征提取模糊图像最锐度信息,即局部模糊特征;变异局部clarity表示图像内部色貌整体变化情况,即全局模糊特征。为了验证该方法的性能,使用五个常用图像质量数据库中的失真图像进行对比测试,从预测精度、计算复杂度和泛化性进行分析。结果表明,SROCC和PLCC加权平均值分别是0.9345和0.9379,SROCC和PLCC直接平均值分别是0.9331和0.9357,综合性能优于其他典型和最新提出的NR-IQA方法。研究结果表明,所提方法是有效的、可行的,是一个综合性能优异的NR-IQA方法。