全四元数结构相似度法：彩色图像质量评估新途径

"该文提出了一种基于全四元数结构相似度的彩色图像质量客观评价方法，旨在在保持图像颜色信息完整的同时，提高结构信息的表达能力，并增强与人眼感知的一致性。通过结合彩色图像的细节和颜色信息，改进了传统的SSIM（结构相似度）算法，以实现更准确的图像质量评估。实验结果显示，该方法在多个数据库上的表现优于传统方法和纯四元数SSIM方法，具有较高的Kendall等级相关系数和Spearman等级相关系数，表明其评价结果与人眼主观感知高度一致。" 本文关注的是图像处理领域中的图像质量评价问题，特别是针对彩色图像的评价。传统的图像质量评价方法往往忽略了颜色信息或者结构信息，而四元数结构相似度（Quaternion Structural Similarity, QSSIM）则提供了一个新的解决方案。四元数是一种数学工具，它包含一个实部和三个虚部，可以有效地表示复数和三维向量，因此在图像处理中被用来表示和操作彩色图像。 在该研究中，作者提出了一种全四元数模型，它利用四元数的全部四个部分（包括三个虚部和一个实部）来表示彩色图像的结构信息，从而增加了信息承载量，同时确保了颜色信息的完整保留。为了进一步提高与人类视觉系统的相似性，他们将图像的细节特征和颜色信息融合，形成四元数的实部和虚部。这一改进使得结构相似度度量能更好地反映人眼对图像的感知，尤其是在细节和颜色敏感的区域。 通过对比实验，使用LIVE和IVC两个广泛认可的图像质量数据库进行验证，表明提出的全四元数结构相似度方法在评价图像质量时与人眼的主观感知有更好的一致性。实验结果的量化指标，如Kendall等级相关系数（Kendall Rank Correlation Coefficient, KRCC）、Spearman等级相关系数（Spearman Rank Correlation Coefficient, SRCC）和均方根误差（Root Mean Square Error, RMSE），均显示了新方法的优越性。这些结果表明，全四元数SSIM在交叉失真实验中提供了更精确的评价，其评价结果与人眼判断的相关性更高。 关键词涵盖了图像质量评价、全四元数、人类视觉系统（Human Visual System, HVS）以及结构相似度（Structural Similarity Index, SSIM）。这些关键词揭示了研究的核心内容，即使用全四元数框架来改进HVS与图像质量评价的匹配度，通过SSIM度量来实现这一目标。研究的创新性和实用性对于图像处理和质量评估领域具有重要的理论和实际意义。