随着数字技术的迅猛发展，可见光成像技术也随着数字技术的发展而被广泛应用。因此，可见光成像系统的成像质量也就成为了人们选择成像器件最重要的参考，但目前却没有一个全面的评价可见光成像系统成像质量的指标，就算是现有的评价指标来说也是缺乏完善的检测设备。所以，现在需要一种可以全面评价可见光成像系统成像质量的指标以及准确测量它们的方法。通常，调制传递函数(MTF)是被光学系统广泛应用的指标，近些年来最小可分辨对比度(MRC)也被引入。MRC反映出了成像系统对细节的分辨的灵敏度，同时MRC的测量也相对简单。因此，加入MRC指标可以使可见光成像系统的评价更加全面准确。本文在对国内外的文献进行大量的研究基础之上，对MRC的研究现状及发展前景进行了比较详细的阐述及分析。在对MRC的测量原理进行了深入分析的基础之上，设计了单积分球可变对比度的MRC测量装置，靶标使用更加符合人眼识别的E型靶标取代了传统的条形靶标从而使MRC的测量更加简单和准确。为了提高测量的精度，在MRC的测量装置中还设计了步进电机细分驱动，经实验验证，细分之后能提高测量的精度。在MRC的测量方面，传统的测量方法存在主观因素的影响较大，测量的准确性也不稳定。所以，提出了使用神经网络对图像进行判别的方法，通过大量的观察者对图像进行识别从而建立了测试图像库，随机抽取库中的图像作为神经网络的训练样本。本文基于MATLAB对测试图像进行图像预处理、图像特征提取并构建了BP神经网络，并用训练好的神经网络对测试图像进行识别，实验结果表明，BP神经网络能有效的对图像进行识别，精度高，可靠性强。为了进一步研究神经网络对MRC图像的识别，本文还以MATLAB构建的神经网络为基础，搭建了基于FPGA的前向传播BP神经网络，并用QuartusⅡ进行了仿真测试，结果表明，神经网络准确可靠，能有效识别MRC图像。