樊晓婷 毕艳辉

摘 要：为解决BRISQUE算法中单纯提取灰度空间指标特征的问题，进一步提升算法预测的准确性，文章在BRISQUE算法的基础上改进了无参考图像质量评价指标体系，提出了一种基于灰度空间和色彩空间的改进算法。同时，为了减少单一数据库造成的模型过拟合现象，提升算法的鲁棒性，该算法分别在LIVE和CSIQ数据库上分析了算法计算结果与DMOS值的相关性。实验结果表明，改进的BRISQUE算法评价结果与人类主观评价具有高度的一致性，较BRISQUE算法在一致性方面有一定程度的提升。

关键词：无参考图像质量评价；BRISQUE算法；机器学习；图像失真

图像作为人类视觉和机器模式识别的重要信息来源，蕴含了大量有价值的信息，一张图像质量的好坏直接影响获取信息的准确性和完整性。在图像的获取、存储、传输、显示等过程中不可避免地会引入一些干扰因素，如噪声、模糊等，最终造成图像质量的下降。

BRISQUE算法是Anish Mittal，Alan Conrad Bovik等[1-2]于2012年提出的基于机器学习的无参考图像质量评价算法，该算法基于图像灰度空间提取与图像质量相关的指标，构建无参考图像质量评价模型，但该算法未考虑色彩对图像质量的影响。本文基于BRISQUE算法改进原有的无参考图像质量评价指标体系，在色彩空间上提取多个相关指标，并在不同图像数据库上进行实验测试。实验结果表明：改进的BRISQUE算法评价结果与人类主观评价具有高度的一致性，较BRISQUE算法在一致性方面有一定程度的提升。

1 BRISQUE算法簡介