基于RICM-CViT残差网络的人体运动微多普勒图像质量评价.pdf

基于RICM-CViT残差网络的人体运动微多普勒图像质量评价

专业：电子信息

硕士生：洪琼

指导老师：杨蕾教授

吴志勇高级工程师

摘要

微多普勒雷达技术在老年人健康监测中的重要性日益凸显，在微多普勒信息采集后

准确对人体运动微多普勒图像质量进行评价成为关键任务之一。目前对于人体运动微多

普勒图像的质量评价方法存在不足，传统评价方法在清晰度、细节和平滑度等方面存在

局限性。为解决这一问题，本研究进行了人体运动微多普勒图像质量评价(HumanMotion

Micro-DopplerImageQualityAssessment,HMMDIQA)数据集的扩增，形成了HMMDIQA+

数据集。同时提出了一种融合基于分组卷积的信息冗余剔除模块(RedundantInformation

CullingModule,RICM)和基于多头自注意力的定制视觉转换器(CustomVision

Transformer,CViT)残差网络(ResidualNetwork,ResNet)算法。本文的具体工作如下：

(1)为了更好地研究人体运动微多普勒图像质量评价方法，本文在HMMDIQA数据

集中进行了相位噪声扩充，形成HMMDIQA+数据集。由于人体运动导致的微小变化会

影响微多普勒图像中的相位信息，因此，通过引入不同级别的相位噪声，有助于更好地

模拟实际场景中可能存在的微多普勒图像质量变化，从而增强数据集的多样性，提高质

量评价模型的精确性和泛化能力。

(2)本研究提出了一种基于RICM-CViT残差网络的人体运动微多普勒图像质量评价

算法，旨在提升人体运动微多普勒图像的质量评价效果。该网络结合了两个模块既能有

效剔除网络提取特征中的冗余信息，又能增强全局关系的捕捉能力的优点，从而更好地

获取人体运动微多普勒图像的关键信息，提升图像质量评价效果。融合RICM和CViT

的网络在人体运动微多普勒图像质量评价任务中能够有效学习到关键特征，提高评价的

稳定性和可靠性。

实验结果证明，本文提出的基于RICM-CViT残差网络的人体运动微多普勒图像质

量评价方法在HMMDIQA+数据集上的质量评价任务表现出色。SROCC值达到了0.9662，

相比基线网络提升了1.22%；PLCC值为0.9636，提升了1.09%；KROCC值为0.8415，

提升了2.62%；RMSE为0.3523，下降了2.48%。

关键词：人体运动微多普勒图像；数据集扩充；信息冗余剔除；定制视觉转换器

Humanmotionmicro-Dopplerimagequalityassessmentbasedon

RICM-CViTResidualNetwork

Specialty:Electronicinformation

StudentName:HongQiong

Supervisor:YangLeiProfessor

WuZhiyongSeniorEngineer

Abstract

Theimportanceofmicro-Dopplerradartechnologyinthehealthmonitoringoftheelderlyis

becomingincreasinglyprominent,andoneofthekeytasksistoaccuratelyassessthequalityof

humanmotionmicro-Dopplerimagesaftermicro-Dopplerinfo