Para proponer un método de evaluación de calidad de imagen (IQA) que se adapte a la percepción visual y que ofrezca beneficios integrales en cuanto a precisión, generalización y complejidad, para controlar mejor el procesamiento de imágenes y satisfacer sus necesidades reales de aplicación, combinamos las características del sistema visual humano (HVS), como la sensibilidad al contraste, la percepción no lineal del brillo, la comodidad visual y la percepción de la complejidad de la textura, basado en la información y características de las imágenes como el brillo, la crominancia, la textura, la nitidez y el contraste local, propusimos un método IQA sin referencia y su modelo BCTCSP. En este método, se presenta el análisis del brillo de la imagen, la distribución de grises, la profundidad del color y la saturación, la percepción no lineal del brillo, la comodidad visual y las relaciones entre ellos y la calidad de la imagen, cuantificando y calculando las contribuciones e impacto del brillo de la imagen, la crominancia y la percepción visual en la evaluación de la calidad de la imagen (IQA) ; luego, utilizando la matriz de co-ocurrencia de grises para calcular las características de textura de la imagen y utilizando el modelo HVS de percepción de la complejidad, presentar los métodos cuantitativos de cálculo de la entropía de información de la textura de la imagen y su impacto en la percepción visual IQA. A continuación, cálculo del valor de contraste de cada punto de la imagen y el umbral de su percepción, teniendo en cuenta las características de sensibilidad al contraste de HVS y su modelo y medios de enmascaramiento, presentando los métodos cuantitativos de cálculo del contraste local de las imágenes y su impacto en la percepción visual IQA ; luego, para describir la nitidez de la imagen, el uso de factores de nitidez, relación señal/ruido, proporción de componentes de alta frecuencia y resolución, presentando los métodos cuantitativos de cálculo, obteniendo un índice de nitidez de la imagen ; finalmente, combinando 4 aspectos, construimos un modelo IQA, lo medimos cuantitativamente. Al mismo tiempo, realizamos pruebas y verificaciones en 6430 imágenes distorsionadas de 6 bases de datos abiertas internacionales (TID2013, CSIИ, LIVE, IVC, SPAQ y Koniq 10k), y las comparamos con 28 modelos IQA existentes en términos de precisión, complejidad, generalización y sus efectos modelos. Los resultados experimentales muestran que el modelo propuesto BCTCSP puede alcanzar valores de PLCC de 0.892 1 a 0.966 4 en 6 bases de datos, y el PLCC promedio ponderado para 6 bases de datos es de 0.917 4, superando 28 modelos IQA existentes. Las indicaciones teóricas y experimentales muestran que BCTCSP es un modelo IQA sin referencia eficaz y superior.

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