随着计算机处理能力以及软件的不断发展,红外场景仿真技术的研究进展迅速,不管是在军事和民用方面都应用广泛,呈现出较好的前景。高逼真度是红外场景仿真技术能够投入应用的前提。随着红外场景仿真系统性能不断提高,红外场景仿真图像的逼真度也越来越高,如何对仿真结果进行评估成为了一个影响红外场景仿真技术发展和应用的关键问题。目前针对红外场景仿真的评估方案的研究较少,且尚未形成有效的评估方法和成熟的评估体系,本文将课题组对红外仿真技术的多年研究基础结合自己在深度学习领域的学习和理解,并结合实际科研项目,提出基于深度学习的红外场景仿真图像相似度和逼真度的评估方案。主要研究内容有以下三个方面:(1)对红外场景仿真过程原理进行了分析,并针对两个实际问题进行了红外场景仿真,得到了一些仿真图像。并对仿真评估问题进行了讨论,对于本文针对仿真图像的评估方向,细化成图像相似度和图像逼真度评估两个方面。最后对于目前典型的传统仿真图像相似度评估方法进行了分析和实现,并选择了一种针对仿真系统的典型评估方案进行分析。(2)将深度学习与传统相似度评估方法相结合,提出基于孪生神经网络的仿真图像相似度评估方法,并针对实验中遇到的问题,对模型的训练过程进行了改进。对红外场景仿真生成的地面背景图像进行了评估,利用传统方法对本文的相似度评估方法进行了验证。(3)引入生成对抗网络中对图像的生成与判别相互对抗相互提升的思想,提出基于生成对抗网络的仿真图像逼真度评估方法,应用真实场景图像作为数据集,训练生成对抗网络,对不同仿真图像进行逼真度评价实验。针对试验过程中出现的问题,改善了网络模型和评估方法。最后分析了评估结果,证明了本文提出的逼真度评估方法的可靠性和通用性。