在一些军事大片中，士兵们戴着夜视镜搜索前进似乎是不可或缺的场景。使用红外线在黑暗中观察的夜视系统通常将他们看到的东西呈现为单色图像。来源：flir.com然而，在最近的一项研究中，加州大学欧文分校的科学家们使用深度学习人工智能技术设计了一种新方法，通过这种方法，红外视觉可以在黑暗条件下提供帮助。查看场景中可见的颜色。“世界上很多地方都以人们做出决定所依赖的方式进行了颜色编码，例如交通信号灯，”该研究的合著者、加州大学欧文分校的工程师、外科医生和视觉科学家安德鲁·布朗说。夜视系统是一个特例。使用红外线照亮夜晚的夜视系统通常只将场景呈现为绿色，而不是在正常光线下可见的颜色。一些较新的夜视系统使用超灵敏相机来放大可见光，但这些相机在没有光线放大的漆黑环境中几乎无法显示颜色。AndrewBrowne因此，在这项研究中，研究人员推断，赋予物体可见光的每种染料和颜料不仅反射一组可见波长，而且还可能反射一组红外波长。因此，如果可以训练夜视系统识别每种染料和颜料的红外指纹，它就能够使用与每种染料和颜料相关的可见光来显示图像。目前，相关论文已发表在《PLOSONE》杂志上。论文地址：https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0265185这项研究是从难以察觉的近红外照明预测人类可见光谱场景的第一步。接下来的工作可以极大地促进各种应用，例如夜视系统和对可见光敏感的生物样本的研究。研究概述人类可以感知400-700nm可见光谱中的光。一些夜视系统利用人类无法察觉的红外线将渲染图像转换为数字显示，最终呈现可见光谱中的单色图像。研究人员希望开发一种由优化的深度学习架构驱动的成像算法，该算法可以使用场景中的红外光谱照明来预测该场景的可见光谱渲染，就像人类使用可见光谱光感知它一样。当人类处于完全“黑暗”中并且仅由红外线照明时，他们能够以数字方式渲染可见光谱场景。图像处理目标。在使用深度学习处理NIR数据后，将仅使用红外线照明显示的图像与可见光谱图像进行比较。根据AndrewBrowne的说法，“单色相机对其所见场景反射的任何光子都很敏感。因此，我们使用可调光源将光照射到场景上，并使用单色相机捕捉在所有不同光照颜色下从该场景反射的光子。为此，研究人员使用了对波长覆盖标准可见红光(604nm)、绿光(529nm)和蓝光(447nm)以及红外波长(718、777和807nm)的可见光和近红外光敏感的单色相机。在nm的多光谱照明下获取的面部打印图像的图像数据集）。接下来，他们优化了具有类似U-Net架构的卷积神经网络，以仅从近红外图像预测可见光谱图像。来自面部肖像库的示例图像接下来，研究人员将三张红外图像与彩色图像配对，以训练人工智能神经网络来预测场景中的颜色。经过训练和提升性能后，神经网络能够从看起来非常接近真实物体的三张红外图像重建彩色图像。下图左边是可见光谱的真实颜色，右边是深度学习算法加持下的颜色。AndrewBrowne说，“当我们增加红外通道或红外颜色的数量时，它提供了更多的数据，我们可以更好地预测实际上应该看起来非常接近真实图像的东西。我们在这项研究中提出的方法可以用来获得三种不同红外线颜色的图像，人眼是看不到的。”然而，研究人员只在打印的彩色照片上测试了他们的算法和技术。他们希望将这些算法和技术应用到视频中，并最终应用到现实世界的物体和人类受试者。参考链接：https://spectrum.ieee.org/夜视红外https://www.popsci.com/technology/ai-infrared-night-vision-in-color/
