基于颜色名称的彩色图像质量评价

图像质量评价(Image Quality Assessment, IQA)是计算机视觉领域研究的基本问题之一。目前，绝大多数图像质量模型都是基于灰度图像构建的，而彩色图像质量评价至今依然是IQA领域的开放性问题。彩色图像质量评价研究的关键在于建立与人类色彩认知能力相一致的色彩信息的量化描述。本文基于颜色名称(Colornames, CN)构建彩色图像质量评价模型，将图像的每个像素值映射为CN概率向量，利用Wasserstein距离计算两幅图像的感知色差，以亮度和梯度特征作为补充，在池化阶段采用显著性加权得到客观图像质量评分。在公开测试数据集上的实验结果表明，提出的模型在TID2008、TID2013和最新的KADID-10k数据集上表现最佳，其SROCC值分别为0.900 9,0.890 1,0.863 7。总体评价效果与目前最好的传统方法(非深度学习方法)相当；而对于颜色失真，则具有明显的优势。