高动态范围(HDR)图像相比低动态范围(LDR)图像,能够记录可见区域中更高的亮度范围和更宽的色度范围信息,从而保留更多的细节和纹理信息。由于采集、传输和显示等设备的发展水平落后于HDR图像的发展水平,导致接收端的HDR图像质量退化,影响观众的视觉体验。传统的LDR图像质量评价(IQA)方法处理亮度范围有限,无法直接应用于HDR图像。且目前已有的LDR和HDR评价方法主要关注亮度信息,忽略了对HDR重要的彩色信息。因此,研究彩色HDR评价方法就变得很有必要。在研究国内外基于四元数的彩色IQA方法以及基于感知一致性(PU)编码的HDR质量评价方法之后,本文提出了一种彩色HDR图像质量评价(CHDR-IQA)方法。该方法通过PU编码模拟人眼的视觉掩模特性;利用Log-Gabor滤波器进行显著区域检测;采用四元数保留R、G和B颜色通道相关性;最后结合多尺度结构信息计算图像分数。实验结果表明,CHDR-IQA的预测准确率高,计算复杂度适中,符合实际应用需求。在深入了解卷积神经网络(CNN)后,本文尝试将CNN用于HDR图像质量评价(HDR-IQA)。主要步骤为:数据集准备,微调网络提取图像块特征向量,图像块特征向量融合及支持向量回归(SVR)预测图像分数。实验数据表明该方法是有效的,且特征提取时间较短,具有研究价值。