基于雾密度感知增强的去雾图像质量评价方法

去雾图像质量评价方法在图像去雾算法研究中发挥着重要作用,目前去雾质量评价方法存在雾密度感知能力不足的问题。提出一种基于雾密度感知增强的去雾图像质量评价(FDP-DIQA)方法,针对自然雾图的成像特点,从对比度信息及色彩信息2个方面提取6个特征,并结合以往的图像去雾研究结果提取3个特征,构成完整的去雾感知特征,增强对雾密度的感知能力。随后,结合雾图与去雾图像之间全局和低对比度区域的结构特征及块效应特征,对经平均池化形成的22维特征采用LightGBM进行模型构建,实现去雾图像质量评价。实验结果表明,FDP-DIQA方法在合成雾图数据集和自然雾图数据集上的表现优异,其加权平均后的斯皮尔曼等级相关系数、皮尔森线性相关系数、均方根误差分别为0.9623、0.9583、2.0981,大幅领先于同类方法,与人类主观评价有较高的一致性。