随着多媒体设备的日益普及与广泛应用,彩色图像在不同设备之间的传播与共享将不可避免。为了保证再现图像的质量,大量的色域映射算法应运而生。色域映射是一种将源图像或设备内的颜色坐标映射到目标设备或图像的方法,主要目的是减少源色域和目标色域之间的颜色再现差别,从而实现颜色的高保真再现,保持颜色复制前后的视觉一致性。由于不同设备的颜色机制千差万别,一种色域映射算法很难保证在任何两种颜色域之间都能实现高保真映射。因此,如何评价色域映射图像质量以及色域映射算法性能的问题也随之而产生。本文针对色域映射图像的质量评价问题进行了研究与探讨,分析了色域映射图像的失真特性与失真原理,针对色域映射图像提出了两种有效的无参考质量评价算法。主要工作与创新点如下:1.通过实验分析发现:图像失真会改变图像小波系数以及梯度系数的统计分布;同时,色域映射不仅会引起图像的灰度失真还会造成颜色失真。基于此,本文提出了一种基于自然场景统计的色域映射图像无参考质量评价方法。首先将图像转换到S-CIELAB颜色空间以便提取颜色三属性(亮度、彩度和色调)。其次,分别在颜色三属性的小波域和梯度域进行统计建模,并提取模型参数作为质量感知特征。随后,将提取的特征与训练图像的主观标签一起输入到后向传播神经网络进行回归训练得到质量预测模型。最后,利用训练好的预测模型对色域映射图像进行质量预测。在三个色域映射图像质量评价数据库上的实验表明,该算法的性能优于现有的相关质量评价算法。2.通过分析不同色域映射算法的映射原理,我们发现色域映射图像中主要存在颜色失真与结构失真。基于此发现,本文提出了基于颜色与结构失真的色域映射图像无参考质量评价方法。在颜色失真方面,计算色调异常率和图像R、G、B三个分量的统计分布与理想均匀分布之间的相对熵;在结构退化方面,提取图像的信息熵与四阶矩,并对图像亮度与饱和度进行统计建模,提取参数特征。随后,将提取的特征与图像的主观分数值值输入后向传播神经网络进行回归训练得到针对色域映射图像的质量评价模型。最后,实验证明本文提出的基于颜色与结构失真的色域映射图像无参考质量评价方法能有效地预测色域映射图像质量,与人类主观评价保持较高的一致性。该论文有图23幅,表12个,参考文献93篇。