为了解决水下图像在复杂水体中表现的画面模糊和颜色失真的问题，提出了一种基于HSV分类、CIELAB均衡与最小卷积区域暗通道先验（DCP）的水下图像恢复算法。基于H与S阈值将水下图像分为高饱和度失真图像、低饱和度失真图像及浅水图像等3类。分类后的水下图像分别经CIELAB均衡及自适应图像增强恢复，其中水下成像系统参数通过最小卷积区域DCP估计。实验结果表明，所提算法在图像恢复效果、评价质量和实时性指标上均优于对比算法，其中峰值信噪比和结构相似指数值分别平均提升了26.88%和17.3%，水下彩色图像质量评价值提升了4.3%。

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。

通过将参考图像与失真图像表示为纯四元数矩阵,提出了一种用于检测两幅图像视觉显著性区域的四元数谱余量方法。将该方法与四元数梯度特征作为指标构建彩色图像质量评价方法,并将视觉显著性作为评价指标的权值。利用Spearman等级相关系数(SROCC)、Kendall等级相关系数、Pearson线性相关系数及均方误差平方根4种客观评价指标在TID2013与CSIQ数据库中进行数值实验,结果表明,所提算法在TID2013上的SROCC值为0.8169,且与人的主观评价相匹配。

彩色图像质量评价(CIQA)是目前图像质量评价(IQA)研究的一个热点。色度信息对人类视觉系统(HVS)会产生一定的影响,将RGB图像转换到另一色彩空间YIQ,将灰度图像的结构相似性指标(SSIM)、基于梯度的SSIM(GSSIM)扩展得到彩色图像的SSIM和GSSIM(即C-SSIM和C-GSSIM)。HVS是一个复杂的非线性系统,采用2种广义平均池化策略来刻画HVS特性,以提高C-SSIM、C-GSSIM及彩色图像的特征相似性(C-FSIM)的评价效果。在TID2013图像数据库中进行数值计算,结果表明:基于广义平均池化策略的C-SSIM、C-GSSIM及C-FSIM能有效提高IQA的准确率。

针对许多评价方法都需要大量有效的训练样本离线学习得到特征提取器的问题, 同时考虑到人脑能自然感知数据的内在低维特征, 这种感知恰以流形方式存在, 提出了一种采用在线流形学习的彩色图像质量评价方法。实验结果表明, 所提出方法在LIVE、CSIQ和TID2008三个数据库的平均Spearman秩相关系数(SROCC)达到0.91。相比于其它方法, 在线流形学习的彩色图像质量评价方法与主观视觉感受吻合度更高。

针对现行的被动(消极)彩色图像质量评价方法存在的问题, 深入研究了人类视觉感知彩色图像特征的质量参数：彩色图像平均对比度、彩色图像平均信息熵、彩色图像平均亮度(平均灰度)、彩色图像平均层次因子和彩色图像平均带宽因子。以上述研究为基础, 构建了基于扰动变换的主动(积极)彩色图像综合质量评价函数(CAF)。研究发现CAF是扰动参数Delta和Theta的函数, 通过对扰动参数进行变换, 可以使CAF达到最大值, 从而实现对单幅彩色图像的质量评价和质量改善。分别对窄带谱、宽带谱和全带谱3种不同色度谱类型的彩色图像进行了积极评价, 结果表明, 纳入平均带宽因子和平均层次因子两个参数的彩色图像质量积极评价方法符合人类视觉主观评价要求, 可使扰动变换获得的彩色图像更加柔和、更富有层次感。该方法不仅能评价单幅彩色图像质量的好坏, 还可以通过扰动变换改善彩色图像质量。