基于残差网络的中子照相图像无参考质量评价方法研究

摘要

目前中子照相图像的质量主要通过人类视觉系统(Human Visual System,HVS)来评估,而HVS无法作为中子成像系统优化参数的实时辅助.为了能够客观评价中子照相图像质量,以对中子成像系统参数优化提供辅助手段,采用残差网络(Residual Network,ResNet)模型,对中子照相图像进行无参考质量评价(No-reference Image Quality Assessment,NR-IQA).首先对清晰的自然图像添加不同失真等级和失真类型的噪声,再利用梯度幅度相似性偏差(Gradient Magnitude Similarity Deviation,GMSD)方法对添加了噪声的图像进行质量分数标定来建立实验数据集.最后,通过训练ResNet以实现对中子照相图像的特征提取和质量评价.实验结果表明:模型在实验数据集的测试集和两组真实中子照相图像的质量预测上均有较好的表现,证明了该方法在中子照相图像质量评价上的应用潜力.