Dans les systèmes de vision industrielle, le modèle d'évaluation objective en référence complète est un sujet de recherche important dans le domaine de l'évaluation de la qualité d'image. Cet article propose un modèle d'évaluation de la qualité d'image en référence complète guidé par les informations des détails de l'image à deux échelles. L'image test est convertie dans un espace colorimétrique spécifique, en séparant les canaux de luminance et de chrominance. Basé sur l'interaction des gradients entre l'image de référence, l'image déformée et leur image fusionnée, une composante de similarité des gradients du canal de luminance est construite, combinée avec l'analyse de la cohérence directionnelle du canal de chrominance pour générer une composante de similarité des couleurs. En fusionnant les résidus spectraux du canal de luminance, les informations de bord et les caractéristiques de contraste adaptatif, une composante d'accumulation des détails de l'image à deux échelles est construite pour décrire l'effet cumulatif des informations de détail. Enfin, par des coefficients de caractéristiques, la fusion pondérée des écarts-types des différentes composantes est réalisée pour obtenir le résultat final d'évaluation. Pour vérifier la fiabilité de ce modèle, des tests ont été effectués selon quatre critères d'évaluation : le coefficient de corrélation des rangs de Spearman (SROCC), le coefficient de corrélation linéaire de Pearson (PLCC), le coefficient de corrélation des rangs de Kendall (KROCC) et l'erreur quadratique moyenne (RMSE) sur les bases de données LIVE, CSIQ, TID2008, TID2013 et KADID-10K. Les résultats expérimentaux montrent que la valeur la plus basse de PLCC mesurée par ce modèle sur ces bases est de 0.8768 (KADID-10K) et la plus haute atteint 0.9678 (LIVE), la valeur minimale de SROCC est de 0.8648 (TID2013) et la plus élevée 0.9610 (CSIQ). Par rapport à plusieurs modèles typiques et profonds d'évaluation de la qualité d'image en référence complète, ce modèle présente un avantage marqué en termes d'efficacité de calcul, tout en affichant de bonnes performances globales en précision de prédiction et en généralisation.

évaluation de la qualité d'image;référence complète;double échelle;information des détails de l’image