基于人眼视觉的图像质量评价
上周读了Visual Signal Quality 和一些基于人眼视觉的质量评价文献，对预处理前的图像质量评价方法有一些想法。

大多数人对图像质量的感觉主要受到图像的亮度、对比度、颜色、清晰度的综合影响。

评价的目的是判断图像是否需要增强，然后对相应指标进行增强处理。

1）颜色方面：我们在描述一件彩色物体时，通常是通过它的色调、饱和度和亮度进行综合评判的。

人眼对亮度较敏感，所以把亮度分离出来，单独判断。

2）亮度：通过原图像与参考图像的亮度对比函数表示原图像偏亮或偏暗。

3）对比度：通过原图像与参考图像的对比度对比函数表示图像是否过度拉伸。

4）清晰度：梯度信息可以很好的反映图像中微小的细节反差和纹理特征变化，因此可以用来评价原图像的清晰程度。

5）权重：由于人眼对亮度、对比度、清晰度敏感，对色差信号的敏感程度偏低。

所以四者分配的权值不同。

6）使用11×11 且σ2=1 的高斯低通滤波器，对彩色待评价图像进行模糊滤波处理，得到对应的模糊图像，并将其作为参考图像。

流程图：
原图像
参考图像
CSIM
色度比较函数
饱和度比较函数
GSIM模式
亮度比较函数
对比度比较函数
梯度比较函数
主要目的：明确原图像具体指标（亮度、色度、饱和度、模糊、对比度）的失真，便于接下来的图像预处理。

书中的一些方法如VIF（视觉信息保真度）、S-CIELAB模型等也能够评价图像的质量，但是不能明确指出图像具体哪方面出现问题，不利于接下来的预处理。

适合最终的质量评价（颜色预处理完成后）。

CSIM算法和GSIM算法步奏如下：
1）输入原图像，使用11×11 且σ2=1 的高斯低通滤波器，对彩色待评价图像进行模糊滤波处理，得到对应的模糊图像，并将其作为参考图像。

2）转换色彩空间RGB-HSI，提取色调H，S，计算色调相似度、饱和度相似度。

3）将彩色图像转换为灰度图像，计算亮度相似度、对比度相似性、梯度相似性。

因为接下来的图像预处理主要是针对图像的亮度、色度、饱和度、对比度、清晰度方面，所以我没有把图像的失真类型都考虑进去。

老师，您能不能帮忙看看哪些地方存在问题，麻烦您了。

户尊兰
2015/5/26。