图像质量评价指标-UCIQE-UIQM

news/2025/2/19 18:24:58/

一、评价指标UCIQE

在文章《An underwater color image quality evaluation metric》中,提到的了评价指标UCIQE(Underwater Colour Image Quality Evaluation),是一种无参考图像质量评价指标,主要用于评估水下图像的质量。它通过色度、饱和度和对比度的线性组合来量化水下图像的非均匀色偏、模糊和低对比度问题。UCIQE值越高, 表明图像在色彩、饱和度和对比度之间具有更好的平衡。

1.1 计算公式

U C I Q E = c 1 ∗ σ c + c 2 ∗ c o n l + c 3 ∗ μ c UCIQE=c_1*\sigma_c+c_2*con_l+c_3*\mu_c UCIQE=c1σc+c2conl+c3μc

其中:

  • σ c \sigma_c σc是色度的标准差,用于衡量色彩浓度;
  • c o n l con_l conl是亮度对比,用于评估图像的对比度;
  • μ c \mu_c μc是饱和度的平均值;
  • c 1 ​ , c 2 ​ , c 3 c_1​,c_2​,c_3 c1,c2,c3​ 是加权系数,通常取值为 c 1 ​ = 0.4680 , c 2 ​ = 0.2745 , c 3 ​ = 0.2576 c_1​=0.4680,c_2​=0.2745,c_3​=0.2576 c1=0.4680c2=0.2745c3=0.2576

UCIQE指标的优势在于它不需要参考图像,因此可以快速、无偏地评估图像质量。它在水下图像处理、图像预处理、图像检索等领域有广泛应用。

二、评价指标UIQM

在文章《Human-visual-system-inspired underwater image quality measures》中,提到的了评价指标UIQM(Underwater Image Quality Measure)是一种无参考图像质量评价指标,专门用于评估水下图像的质量。它综合考虑了图像的色彩、清晰度和对比度三个维度,并通过加权平均的方式计算整体质量。

2.1 UIQM的组成

UIQM由以下三个子指标组成:

  1. 色彩测量指标(UICM,Underwater Image Colorfulness Measure):用于评估图像的色彩丰富度和平衡性。
  2. 清晰度测量指标(UISM,Underwater Image Sharpness Measure):通过边缘检测和局部对比度评估图像的清晰度。
  3. 对比度测量指标(UIConM,Underwater Image Contrast Measure):衡量图像中最亮和最暗部分的区分度。

2.2 计算公式

UIQM的计算公式为:

U I Q M = c 1 ​ × U I C M + c 2 ​ × U I S M + c 3 ​ × U I C o n M UIQM=c_1​×UICM+c_2​×UISM+c_3​×UIConM UIQM=c1×UICM+c2×UISM+c3×UIConM

其中, c 1 ​ , c 2 ​ , c 3 c_1​,c_2​,c_3 c1,c2,c3​ 是加权系数,通常取值分别为 c 1 ​ = 0.15 , c 2 = 0.25 ​ , c 3 = 0.6 c_1​=0.15,c_2=0.25​,c_3=0.6 c1=0.15,c2=0.25​,c3=0.6

2.3 应用领域

UIQM广泛应用于水下图像处理、图像增强、图像复原等领域,能够有效评估水下图像的质量,并为图像处理算法的优化提供参考。UIQM能够更准确地反映人眼对水下图像质量的感知,是一种符合人类视觉系统的图像质量评价模型。
UIQM值越高说明越符合人眼的视觉感知。

三、仿真结果

以下三张图分别是原始图像、处理图像1、处理图像2,求他们的评价指标UCIQE、UIQM数值

评价指标原始图像处理图像1处理图像2
UCIQE0.360.622.23
UIQM1.623.764.06

UCIQE值越高, 表明图像在色彩、饱和度和对比度之间具有更好的平衡, UIQM值越高说明越符合人眼的视觉感知,从指标来看,处理图像2略优

四、仿真代码

感兴趣的可以找论文复现,链接有评价指标函数

https://github.com/AomanHao/Matlab-Image-Evaluate/tree/master/Evaluate


觉得本文对您有一点帮助,欢迎讨论、点赞、收藏,您的支持激励我多多创作。

我的个人博客主页,欢迎访问

我的CSDN主页,欢迎访问

我的GitHub主页,欢迎访问

我的知乎主页,欢迎访问


http://www.ppmy.cn/news/1572467.html

相关文章

联想笔记本电脑摄像头灯亮,但没有画面怎么解决,

联想小新电脑,遇到电脑黑屏。 解决方法,搜索打开任务管理器 打开联想管家的路径 打开BatterySetting.exe 程序 然后右下角会弹出一个东西,关闭这个摄像头的隐私模式。就可以打开了 就可以了

Rust包管理

rustup rustup 是 rust 是rust 的工具链管理器,主要用于安装和管理rust工具链和相关的组件。它的功能包括: 安装和管理rust工具链 rustup可以安装不同版本的rust编译器(stable,beta,nightily)。允许用户根据需要切换不同版本的工具链。 安…

深度卷积神经网络实战PCB电路板缺陷识别

本文采用深度卷积作为核心算法框架,结合PyQt5构建用户界面,使用Python3进行开发。YOLOv11以其高效的实时检测能力,在多个目标检测任务中展现出卓越性能。本研究针对PCB电路板缺陷数据集进行训练和优化,该数据集包含丰富的PCB电路板…

自签名证书和可信证书的区别

自签名证书和可信证书(由受信任的证书颁发机构 CA 签发的证书)在多个方面存在明显区别: 签发机构 自签名证书:是由证书所有者自己创建和签名的,没有经过任何外部权威机构的验证和认可。这意味着证书的真实性和可靠性…

在nodejs中使用RabbitMQ(五)死信队列,延迟队列

死信队列(Dead Letter Queue,DLQ)是 RabbitMQ 中的一种机制,用于处理无法成功消费或不能按预期处理的消息。简单来说,死信队列用于存储那些不能被正常消费或处理的消息,以便后续审查或重新处理。 死信队列…

学习京东写测试用例

以下是京东等大型电商平台测试用例编写的通用方法论及示例,结合功能模块、测试类型和实际场景进行设计: 一、测试用例设计原则 覆盖全面:覆盖核心业务流程、异常场景、边界条件、用户角色差异。优先级分层: P0(最高&a…

【AIDevops】Deepseek驱动无界面自动化运维与分布式脚本系统,初探运维革命之路

声明:笔者当前文章内容仍在构想阶段,仅部分实现 目录 引言 第一部分:基于DeepSeek大模型的单机GPT实现 1. DeepSeek大模型简介 2. 功能概述 3. 项目优势,实现技术栈及实现功能 4. 示例展示 5.腾讯云AI代码助手助力 第二部…

<论文>DeepSeek-R1:通过强化学习激励大语言模型的推理能力(深度思考)

一、摘要 本文跟大家来一起阅读DeepSeek团队发表于2025年1月的一篇论文《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning | Papers With Code》,新鲜的DeepSeek-R1推理模型,作者规模属实庞大。如果你正在使用Deep…