Nos sistemas de visão industrial, o modelo de avaliação objetiva de referência completa é um tema de pesquisa importante na área de avaliação da qualidade da imagem. Este artigo propõe um modelo de avaliação da qualidade da imagem de referência completa guiado por informações de detalhes da imagem em duas escalas. A imagem de teste é convertida para um espaço de cores específico, separando os canais de luminância e crominância. Com base na interação dos gradientes entre a imagem de referência, a imagem distorcida e a imagem fundida, é construída uma componente de similaridade de gradiente do canal de luminância, e em conjunto com a análise de consistência direcional do canal de crominância, gera-se uma componente de similaridade de cor. Através da fusão do resíduo espectral do canal de luminância, informações de borda e características de contraste adaptativo, constrói-se uma componente de acumulação de detalhes da imagem em duas escalas para descrever o efeito cumulativo das informações de detalhe. Finalmente, através de coeficientes de características, realiza-se uma fusão ponderada das características do desvio padrão das componentes acima para obter o resultado final da avaliação. Para validar a confiabilidade deste modelo, foram realizados testes com base em quatro critérios de avaliação: coeficiente de correlação de postos de Spearman (SROCC), coeficiente de correlação linear de Pearson (PLCC), coeficiente de correlação de postos de Kendall (KROCC) e erro quadrático médio (RMSE) nas bases de dados LIVE, CSIQ, TID2008, TID2013 e KADID-10K. Os resultados experimentais mostram que o valor mínimo do PLCC medido pelo modelo nas bases de dados foi de 0.8768 (KADID-10K) e o máximo atingiu 0.9678 (LIVE), o valor mínimo do SROCC foi 0.8648 (TID2013) e o máximo atingiu 0.9610 (CSIQ). Em comparação com diversos modelos típicos e de aprendizado profundo para avaliação objetiva da qualidade da imagem de referência completa, o modelo demonstra vantagens claras em eficiência computacional, mostrando ao mesmo tempo bom desempenho geral em precisão de previsão e generalização.

avaliação da qualidade de imagem;referência completa;dupla escala;informações de detalhes da imagem