視覚知覚に適合し、精度、一般化および複雑性の総合的な利点が高い画像品質評価（IQA）手法を提案するために、画像処理をより良く制御し、実際の適用要件を満たすために、人間の視覚システム（HVS）の対比感受性、輝度知覚の非線形性、視覚の快適さやテクスチャの複雑さの知覚などの特性を組み合わせた、画像の明るさ、色彩、テクスチャ、鮮明さ、およびローカルコントラストなどの画面情報と特性に基づいた非参照IQA方法およびモデルBCTCSPを提案する。この方法では、まず画像の明るさ、グレースケール分布、色の深さや飽和度、非線形な輝度知覚、視覚の快適さなどと画像品質の関係を分析し、画像の明るさ、色、視覚の知覚がIQAへの貢献と影響に量化および計算方法を提案する。次に、グレースケール勾配共起行列に基づく画像のテクスチャ特徴の計算と統計的な統計、テクスチャの重み付き平均およびHVS複雑な目標知覚モデルを組み合わせ、画像のテクスチャ情報のエントロピーおよび視覚的な知覚がIQAへの貢献と影響の方法を提案する。その後、画像の各点のコントラスト値と知覚閾値を計算し、HVSの対比感受性特性およびそのモデルと覆い隠し特性を組み合わせて、画像の局所コントラストおよび視覚的な知覚がIQAへの貢献と影響の方法を量化および計算する。その後、シャープネス、信号対雑音比、高周波成分の割合および解像度の4つの要素を使用して画像の鮮明さを記述し、その量化および計算方法を提案し、画像の画面の鮮明さ指標を得る。最後に、4つの側面の要素を総合してIQAモデルを構築し、その基準を量化する。同時に、6つの国際オープンデータベース（TID2013、CSIQ、LIVE、IVC、SPAQおよびKoniq 10k）の6430枚の歪んだ画像を使用してテストおよび検証を行い、その精度、複雑性、一般化、およびそのモデルの効果について、28の既存の代表的なIQAモデルと比較する。実験結果は、提案されたBCTCSPモデルの精度PLCC値が6つのデータベースで最低0.8921に達し、最高で0.9664に達したこと、6つのデータベースの加重PLCCが0.9174に達し、その総合的な利点が28の既存のIQAモデルよりも高いことを示しています。総合的な理論と実験結果は、BCTCSPが効果的でパフォーマンスが優れた非参照IQAモデルであることを示しています。

画像品質評価;画像の画面;視覚的な知覚;テクスチャ情報エントロピー