Для предложения метода оценки качества изображений (IQA), соответствующего зрительному восприятию и обеспечивающего высокие совокупные выгоды в части точности, обобщенности и сложности, чтобы лучше контролировать обработку изображений и удовлетворять их реальные потребности приложений, мы объединили черты визуальной системы человеческого глаза (HVS), такие как чувствительность к контрасту, нелинейное восприятие яркости, визуальное восприятие комфорта и восприятие сложности текстуры, на основе информации и характеристик изображений, таких как яркость, цветность, текстура, четкость и локальный контраст, мы предложили метод оценки IQA без ссылок и его модель BCTCSP. В этом методе сначала анализируются яркость изображения, распределение серого, глубина цвета и насыщенность, нелинейное восприятие яркости, визуальное восприятие комфорта и отношения между ними и качеством изображения, представляя количественные методы вычисления вклада и воздействия яркости изображения, цветности и зрительного восприятия в оценку качества изображений (IQA); затем при использовании матрицы сероградиентного сопряжения вычисляются и статистические характеристики текстуры изображения и применяется модель визуального восприятия сложности HVS, представляя количественные методы вычисления информационной энтропии текстуры изображения и ее влияния на визуальное восприятие IQA. Затем вычисляются значение контраста каждой точки изображения и порог его восприятия, учитывая свойства чувствительности к контрасту HVS и его модель и средства заслонки, представляя количественные методы вычисления местного контраста изображений и его влияния на визуальное восприятие IQA; затем, для описания четкости изображения, применяются факторы резкости, отношение сигнал/шум, доля компонентов высокой частоты и разрешение, представляя количественные методы и их вычисления, получая показатель четкости изображений; наконец, объединяя 4 аспекта, создаем модель IQA, количественно измеряем ее стандарт. Вместе с этим мы проводим тестирование и проверку на 6430 искаженных изображениях из 6 международных открытых баз данных (TID2013, CSIИ, LIVE, IVC, SPAQ иKoniq 10k), и сравниваем с 28 типичными существующими моделями IQA по точности, сложности, обобщенности и их модельными эффектами. Экспериментальные результаты показывают, что предложенная модель BCTCSP может достичь значений PLCC от 0.892 1 до 0.966 4 в 6 базах данных, и весовое среднее PLCC для 6 баз данных составляет 0.917 4, превосходя 28 существующих моделей IQA. Теоретическое и практическое руководство показывает, что BCTCSP является эффективной и выдающейся моделью без ссылок IQA.

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