UIF：一种面向水下图像增强的客观质量评估指标

由于复杂多变的光照环境，水下成像易受光散射、畸变和噪声的影响。为改善视觉质量，水下图像增强（UIE）技术已被广泛研究。近期也有工作致力于用主观和客观方法评估与比较 UIE 性能。然而，主观评估对所有图像而言耗时且不经济，而现有客观方法对基于深度学习的新近 UIE 方法能力有限。为填补此空白，我们提出一种水下图像保真度（UIF）指标，用于增强后水下图像的客观评估。通过利用这些图像的统计特征，我们提出提取与自然度相关、锐度相关和结构相关的特征。其中，自然度和锐度相关特征评估增强图像的视觉改善；结构相关特征指示 UIE 前后图像间的结构相似性。随后，我们采用支持向量回归将上述三类特征融合为最终的 UIF 指标。此外，我们还建立了一个带主观评分的大规模 UIE 数据库，即水下图像增强数据库（UIED），其用作比较所有客观指标的基准。实验结果证实，所提出的 UIF 优于多种水下面向和通用图像质量指标。