Pour proposer une méthode d'évaluation de la qualité d'image (IQA) qui correspond à la perception visuelle et qui offre des bénéfices globaux en termes de précision, de généralité et de complexité, pour mieux contrôler le traitement des images et répondre à leurs besoins réels d'application, nous avons combiné les caractéristiques du système visuel humain (HVS), telles que la sensibilité au contraste, la perception non linéaire de la luminosité, le confort visuel et la perception de la complexité texturelle, sur la base des informations et des caractéristiques des images telles que la luminosité, la chrominance, la texture, la netteté et le contraste local, nous avons proposé une méthode d'évaluation IQA sans référence et son modèle BCTCSP. Dans cette méthode, l'analyse de la luminance de l'image, de la distribution des niveaux de gris, de la profondeur des couleurs et de la saturation, de la perception non linéaire de la luminance, du confort visuel et des relations entre eux et la qualité de l'image sont présentées, quantifiant et calculant les contributions et l'impact de la luminance de l'image, de la chrominance et de la perception visuelle dans l'évaluation de la qualité de l'image (IQA) ; puis, en utilisant la matrice de co-occurrence de niveau de gris pour calculer les caractéristiques de la texture de l'image et en utilisant le modèle HVS de perception de la complexité, présentant les méthodes quantitatives de calcul de l'entropie de l'information de la texture de l'image et de son impact sur la perception visuelle IQA. Ensuite, calcul de la valeur du contraste de chaque point de l'image et du seuil de sa perception, en tenant compte des caractéristiques de sensibilité au contraste de HVS et de son modèle et des moyens de masquage, présentant les méthodes quantitatives de calcul du contraste local des images et de son impact sur la perception visuelle IQA ; puis, pour décrire la netteté de l'image, l'utilisation de facteurs de netteté, de rapport signal/bruit, de proportion de composants à haute fréquence et de résolution, présentant les méthodes quantitatives de calcul, en obtenant un indice de netteté de l'image ; enfin, combinant 4 aspects, nous construisons un modèle IQA, le mesurons quantitativement. En même temps, nous effectuons des tests et des vérifications sur 6430 images déformées provenant de 6 bases de données ouvertes internationales (TID2013, CSIИ, LIVE, IVC, SPAQ et Koniq 10k), et les comparons avec 28 modèles IQA existants en termes de précision, de complexité, de généralité et de leurs effets modèles. Les résultats expérimentaux montrent que le modèle proposé BCTCSP peut atteindre des valeurs PLCC de 0.892 1 à 0.966 4 dans 6 bases de données, et la PLCC moyenne pondérée pour 6 bases de données est de 0.917 4, dépassant 28 modèles IQA existants. Les indications théoriques et expérimentales montrent que BCTCSP est un modèle IQA sans référence efficace et supérieur.

image quality assessment;image tableau;visual perception;texture information entropy