方法分类：

全参考、半参考和无参考

评价指标

• p2point：对每个点云中的点，找到失真点云中距离最近的那个点来比较。
• p2plane：计算源点云中的点到目标点云中组成的曲面的距离，需要提供每个点的法向量。
• PSNR_yuv：将点云投影成图像，进行图像质量评估，如使用加权峰值信噪比（PSNR）、结构相似性（SSIM）等指标。
• FR-PCQA 和 NR-PCQA：分别代表全参考和无参考点云质量评估

在无参考评估（No-Reference Assessment）中，“参考信息”

用于比较和评估的原始高质量图像或数据集。在无参考评估中，我们不需要这样的参考图像或数据集来评估图像或数据的质量。无参考评估（NR-IQA）不需要使用参考图像（即没有原始或参考图像进行比较）。这种评估方法根据图像自身的特征和内容来评估图像的质量，而不是通过与一个已知高质量的参考图像进行比较，通常基于图像的各种特征，如对比度、清晰度、颜色分布、纹理等，以及人类视觉系统的感知特性。这些方法可以是基于统计模型、机器学习模型或深度学习模型的

感知质量：衡量图像和视频处理算法性能的关键指标

一个主观的标准，并不一定与基于具体数据的实际或客观质量相一致

自然图像的丰富主观分数：衡量图像质量的一系列主观评价指标。

1. 平均主观得分（Mean Opinion Score, MOS）：这是一种评分方法，参与者根据视觉感受给图像打分，最终取所有参与者评分的平均值。MOS的值越大，表示图像质量越好。

2. 差异平均主观得分（Differential Mean Opinion Score, DMOS）：这是比较原始图像与处理图像之间的差异，并进行打分的方法。DMOS的值越小，表示图像质量越好