Image dehazing method quality assessment
Haonan HAN, Feng Qian, Jianwei LV, Bao Zhang · Optics and Precision Engineering · 2022
针对近年来去雾算法质量的评价方法普遍依赖主观评价结果，但缺乏定量描述；现有的客观质量评价方法与主观评价方法之间的一致性不稳定，使两者有时会出现分歧的问题。为提升针对去雾方法的客观质量评价性能，本文提出了一种基于人工合成图像的全参考去雾方法质量评价。首先，建立合成图像数据集，数据集包括参考无雾图像，合成有雾图像，对这些合成有雾图像使用8种主流去雾算法得到的去雾图像。然后，将去雾后图像可能引入的一些质量问题进行分类。最后，通过结合清晰度相关特征和现有的客观质量评价，针对性地提出了一种由图像可视性、结构相似性和颜色恢复度相互融合的去雾方法质量评价。在合成图像数据集中，将本文方法与现有典型的图像质量评价方法进行对比实验，实验结果表明：对于合成图像数据集，本文提出的方法在SRCC、PLCC和RMSE指标上表现最优。本文方法与主观评价的一致性更高，更有利于支持去雾算法的研究。