加州大學(xué)歐文分校的這項(xiàng)研究，讓我們更期待未來更先進(jìn)的彩色夜視儀。

在一些軍事大片中，士兵頭戴夜視儀搜索前進(jìn)似乎是少不了的場景。使用紅外光在黑夜中觀察的夜視系統(tǒng)通常將視物渲染成單色圖像。

不過，在最近的一項(xiàng)研究中，加州大學(xué)歐文分校的科學(xué)家們借助深度學(xué)習(xí) AI 技術(shù)設(shè)計(jì)了一新方法，有了這種方法，紅外視覺有助于在無光條件下看到場景中的可見顏色。

研究共同一作、加州大學(xué)歐文分校工程師、外科醫(yī)生和視覺科學(xué)家 Andrew Browne 表示，「世界上很多地方都以人們賴以做出決策的方式進(jìn)行顏色編碼，比如信號燈。」

夜視系統(tǒng)是個(gè)特例。使用紅外光照亮黑夜的夜視系統(tǒng)通常僅以綠色渲染場景，而無法顯示出在正常光線下可見的顏色。一些較新的夜視系統(tǒng)使用超靈敏相機(jī)放大可見光，但這些相機(jī)幾乎不能顯示出漆黑環(huán)境中沒有光可放大的顏色。

因此，在這項(xiàng)研究中，研究者推斷，賦予物體可見光的每種染料和顏料不僅反射了一組可見波長，而且可能反射一組紅外波長。那么，如果可以訓(xùn)練一個(gè)能夠識別每種染料和顏料的紅外指紋的夜視系統(tǒng)，則能夠使用與每種染料和顏料相關(guān)的可見光來顯示圖像。

效果圖

目前，相關(guān)論文已在期刊 PLOS ONE 上發(fā)表。

論文地址：https://journals.plos.org/plosone/article？id=10.1371/journal.pone.0265185

這項(xiàng)研究是從不能感知的近紅外照明中預(yù)測人類可見光譜場景的第一步。接下來的工作可以極大地促進(jìn)各種應(yīng)用，比如夜視系統(tǒng)和對可見光敏感的生物樣本研究。

研究概述

人類可以感知 400-700nm 可見光譜中的光。一些夜視系統(tǒng)使用人類無法感知的紅外光，將渲染后的圖像轉(zhuǎn)換到數(shù)字顯示器上，最后在可見光譜中呈現(xiàn)單色圖像。

研究者想要開發(fā)一種由優(yōu)化深度學(xué)習(xí)架構(gòu)驅(qū)動(dòng)的成像算法，從而可以使用場景中的紅外光譜光照來預(yù)測該場景中的可見光譜渲染，就好像人類使用可見光譜光感知它一樣。當(dāng)人類處于完全「黑暗」并只有紅外光照射時(shí)，他們能夠以數(shù)字方式渲染可見光譜場景。

圖像處理目標(biāo)。僅使用紅外光照顯示的圖像與使用深度學(xué)習(xí)處理 NIR 數(shù)據(jù)后的可見光譜圖像比較。

Andrew Browne 表示，「單色相機(jī)對它所看到的場景中反射的任何光子都很敏感。因此，我們使用可調(diào)光源將光照射到場景上，并使用單色相機(jī)捕捉在所有不同照明顏色下從該場景反射的光子?！?/p>

為此，研究者采用了一個(gè)對可見光和近紅外光敏感的單色相機(jī)，在覆蓋標(biāo)準(zhǔn)可見紅光（604nm）、綠光（529nm）和藍(lán)光（447nm）以及紅外波長（718、777 和 807 nm）的多光譜照明下采集面部打印圖像的圖像數(shù)據(jù)集。接著，他們對具有類 U-Net 架構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，以僅從近紅外圖像中預(yù)測可見光譜圖像。

人臉肖像庫中的示例圖像。

接著，研究者將三張紅外圖像與彩色圖像配對，以訓(xùn)練一個(gè)人工智能神經(jīng)網(wǎng)絡(luò)來對場景中的顏色進(jìn)行預(yù)測。在經(jīng)過訓(xùn)練并提升性能之后，該神經(jīng)網(wǎng)絡(luò)能夠從三張看起來非常接近真實(shí)物體的紅外線圖像中重建彩色圖像。下圖左為用可見光譜的真彩色，圖右為深度學(xué)習(xí)算法加持下的彩色。

Andrew Browne 說到，「當(dāng)我們增加紅外通道或紅外顏色數(shù)量時(shí)，它會(huì)提供更多數(shù)據(jù)，我們也能更好地預(yù)測實(shí)際看起來非常接近真實(shí)圖像的應(yīng)是什么。我們在這項(xiàng)研究中提出的方法可以用來獲取三種不同紅外顏色的圖像，這三種顏色人眼無法看到。」

不過，研究者只在打印的彩色照片上測試了他們的算法和技術(shù)。他們正在尋求將這些算法和技術(shù)應(yīng)用于視頻，并最終應(yīng)用于真實(shí)世界的物體和人類主體。

審核編輯 ：李倩