图像质量评估是通过一系列的评价指标和算法来对图像质量进行客观评价的过程。以下是一些常用的图像质量评估方法：

  1. 主观评价：主观评价是通过人眼观看图像并给出主观评分来评估图像质量。常用的方法有单参考（观察者只能看到一个图像）、双参考（观察者能看到原始图像和待评估图像）和多参考（观察者能看到多个参考图像和待评估图像）。

  2. 客观评价：客观评价是通过计算机算法对图像进行自动评估。常用的客观评价方法包括下面几种：

   - PSNR（峰值信噪比）：PSNR是一种衡量重建图像和原始图像之间差异的指标，通过计算均方根误差的对数，并取其倒数得到PSNR值。

   - SSIM（结构相似性指数）：SSIM是一种衡量图像结构相似度的指标，通过对比图像的亮度、对比度和结构相似性进行计算。

   - VIF（视觉信息度量）：VIF是一种模型化人类视觉系统对图像的感知能力的指标，它考虑了亮度、对比度、结构、颜色等方面的信息。

   - NIQE（自然图像质量评估指标）：NIQE是一种衡量图像质量的指标，它利用人工神经网络对多种图像特征进行分析，并计算图像的平均质量预测值。

  3. 深度学习评估方法：随着深度学习的发展，越来越多的研究将深度学习模型应用于图像质量评估。这些模型通过训练大量图像对，来学习图像质量的特征表示，并进行预测。

  这些方法在图像质量评估中都有一定的应用，具体选择何种方法需要根据评估的目标和应用场景来确定。