CC, RMSE, AAD, AD, SSIM, ERGAS, and SAM.

这些都是评估图像质量的指标，用于衡量图像的清晰度、失真程度、对比度等等。CC指相关系数，RMSE指均方根误差，AAD指平均绝对偏差，AD指绝对偏差，SSIM指结构相似性指标，ERGAS指均方根误差相对参数估计标准差，SAM指光谱角距离。它们都是评估图像质量的常用指标，不同的场景可以采用不同的指标进行评估。

相关问题

RMSE=517.1172-10.50305i

RMSE（Root Mean Square Error）是一个常见的误差评估指标，用于衡量预测值与实际值之间的差异。在你的问题中，RMSE=517.1172-10.50305i，这表示预测误差的复数部分为-10.50305i，实部为517.1172。这个数值可能是在某种特定的模型或算法中得到的，用于评估预测结果的准确性。

要了解更多关于这个数值的信息，我需要知道这个数值是在什么背景下得到的，以及它是在哪种数据或情况下使用的。这些信息将有助于我给出更具体的解释和进一步的讨论。

PSNR RMSE 和SSIM区别

PSNR（Peak Signal to Noise Ratio）是一种全参考的图像质量评价指标，用于衡量原始图像与压缩或失真图像之间的相似程度。PSNR的计算公式为：

PSNR = 10 * log10((L^2) / MSE)

其中，L是像素值的最大可能取值（例如，对于8位图像，L=255），MSE是均方误差（Mean Squared Error），表示原始图像与失真图像之间的差异。

RMSE（Root Mean Squared Error）也是一种衡量图像质量的指标，它是MSE的平方根。RMSE可以用来衡量原始图像与失真图像之间的平均差异。

SSIM（Structural Similarity Index）是一种结构相似性指数，用于衡量原始图像与失真图像之间的结构相似性。SSIM的计算公式包括亮度相似性、对比度相似性和结构相似性三个部分。

PSNR、RMSE和SSIM都是用于衡量图像质量的指标，但它们从不同的角度对图像进行评价。PSNR和RMSE主要关注图像的像素差异，而SSIM则更加注重图像的结构相似性。