No reference color blurred image quality assessment method based on local color appearance

doi:10.13741/j.cnki.11-1879/o4.2023.05.013

您当前的位置：

首页 >

文章列表页 >

No reference color blurred image quality assessment method based on local color appearance

更新时间：2025-09-01

- No reference color blurred image quality assessment method based on local color appearance
- Vol. 49, Issue 5, Pages: 615-622(2023)
- 作者机构：
  
  1. 1:安徽工程大学人工智能学院
  2. 2:安徽工程大学机械工程学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2023.05.013
  CLC： TP391.41
- Published：2023
- 稿件说明：
移动端阅览
No reference color blurred image quality assessment method based on local color appearance[J]. 2023, 49(5): 615-622.
DOI：

No reference color blurred image quality assessment method based on local color appearance[J]. 2023, 49(5): 615-622. DOI： 10.13741/j.cnki.11-1879/o4.2023.05.013.

摘要

图像质量评价方法是为了符合主观视觉图像质量评分结果，设计出的客观计算方法。在本研究中，提出了一种基于CIELAB颜色空间局部色貌指标(clarity)的无参考彩色模糊图像评价(NR-IQA)方法。在所提方法中，结合最大局部clarity和变异局部clarity评价图像模糊等级。最大局部clarity表征提取模糊图像最锐度信息，即局部模糊特征；变异局部clarity表示图像内部色貌整体变化情况，即全局模糊特征。为了验证该方法的性能，使用五个常用图像质量数据库中的失真图像进行对比测试，从预测精度、计算复杂度和泛化性进行分析。结果表明，SROCC和PLCC加权平均值分别是0.9345和0.9379

SROCC和PLCC直接平均值分别是0.9331和0.9357

综合性能优于其他典型和最新提出的NR-IQA方法。研究结果表明，所提方法是有效的、可行的，是一个综合性能优异的NR-IQA方法。

Abstract

关键词

Keywords

references

Views

113

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No-reference multiply distorted images quality assessment based on convolutional neural network

Infrared image enhancement using visual saliency analysis within local window

Image sharpness evaluation based on human visual sensitivity

A method of image quality assessment based on visual low-level features

Experimental research on image restoration algorithms for special application

Related Author

桑庆兵

武利秀

崔光茫

赵巨峰

李通

马琼

张威

张晓东

Related Institution

1:江南大学物联网工程学院

1:杭州电子科技大学电子信息学院浙江省装备电子研究重点实验室

1:中国石油大学(华东)计算机科学与技术学院

1:上海理工大学出版印刷与艺术设计学院

1:浙江大学现代光学仪器国家重点实验室

⁰