随着点云数据的广泛应用,点云数据质量的评价成为一个研究热点。近年来,许多学者在点云数据的去噪、简化、配准以及点云三维重建等方面进行了大量研究,并且取得了技术上的突破。但是,关于点云数据质量评价的研究还处在初级阶段。传统基于单点的精度评价方法无法准确地描述点云数据的整体质量情况。有研究人员提出,通过对点云数据直接绘制得到的图像质量进行评价,可以间接评价点云数据质量,以及点云处理和绘制算法的质量。为此,本论文开展点云直接绘制的质量评价方法的研究,并将其应用于点云处理算法质量的评价。本论文的主要工作内容包括:(1)点云直接绘制质量评价算法的优化。由于点云直接绘制得到二维图像,本论文针对基于视觉显著性的图像质量评价算法进行改进,提出了一个基于视觉显著性的全局与局部信息相结合质量评价算法。该算法通过分数阶微积分提取出图像的全局信息,利用视觉显著视图作为权重对局部进行加权融合后,对视觉显著评价和梯度特征进行局部融合,最后将全局信息与局部信息进行相似性融合,得出质量评价结果。利用公开数据集对提出的算法测试,结果表明优化后的算法与主观评价之间的一致性比优化前的一致性高,实现了对基于视觉显著性的图像质量评价算法的改进效果。(2)点云直接绘制质量评价方法的设计。由于点云直接绘制质量评价方法的研究相对较少,缺少完善的评测体系来综合分析影响评测结果的各种因素。借鉴二维图像的质量评价以及三维模型质量评价方法,本论文提出一种比较准确、全面的质量评价方法,将视觉显著性、图像的结构信息、图像像素信息相结合,计算直接绘制后图像的质量损耗,作为质量评价的度量。利用公开数据集,对比本论文评价方法与其他算法和主观质量评价方法进行对比实验,结果表明本论文的方法与其它方法的结果基本一致,但本论文的方法更接近于主观评价结果、评价指标更全面。(3)点云预处理算法的质量评价。在实际点云数据获取时,由于物体尺寸、物体复杂性、光照等原因,三维扫描得到的物体点云不止一个,需要进行配准才能得到物体完整的点云,此外,点云中还可能包含噪声,不能满足后期对数字模型真实度的要求,所以需要对点云数据进行去噪、简化和配准等预处理,产生了对这些点云数据预处理算法进行评价的需求。本论文应用提出的评价方法对点云预处理后的直接绘制图像的评价。实验表明,本论文提出的质量评价方法适用于对点云去噪、简化和配准三种预处理算法效果的评价。