Adieu la vision nocturne verte : ils développent une caméra qui capture les images comme si elles étaient de jour

Pendant la nuit, les gens ne peuvent pas voir les couleurs et les contrastes en raison du manque de lumière, pour cela ils doivent éclairer la zone ou utiliser des lunettes de vision nocturne, ces dernières donnent une image verdâtre. En résolvant le monochrome des viseurs, il sera possible pour tout le monde de voir et de prendre des photos qui ressemblent à la journée, ce qui sera d'une grande aide dans les travaux de reconnaissance militaire tactique, entre autres.

Pour ce faire, les chercheurs ont utilisé une caméra monochrome sensible à la lumière visible et infrarouge pour acquérir la base de données d'une image imprimée ou d'images de visages sous un éclairage multispectral qui englobe l'œil visible standard.

Ils ont ensuite optimisé un réseau neuronal convolutif (U-Net) pour prédire les images du spectre visible à partir d'images dans le proche infrarouge. Son algorithme est alimenté par un apprentissage en profondeur utilisant la lumière spectrale.

"Nous avons mis en place un contexte visuel contrôlé avec des pigments contraints pour tester notre hypothèse selon laquelle l'apprentissage en profondeur peut rendre des scènes visibles aux humains en utilisant un éclairage NIR [Near Infrared] qui est autrement invisible à l'œil humain."

Pour connaître le spectre de réflectance spectrale des encres cyan, magenta et jaune, ils ont imprimé la palette de couleurs Rainboy pour enregistrer leurs longueurs d'onde. Ils ont ensuite imprimé plusieurs images et les ont placées sous un éclairage multispectral avec une caméra monochrome (noir et blanc), montée sur un microscope à dissection focalisé sur l'image.

Au total, ils ont imprimé une bibliothèque de plus de 200 visages humains disponibles dans la publication « Labeled Faces in the Wild », avec une imprimante Canon et de la peinture MCYK. Les images ont été placées sous différentes longueurs d'onde, puis utilisées dans une formation en apprentissage automatique axée sur la prédiction d'images couleur (RVB) à partir d'images éclairées à longueur d'onde unique ou combinée.

"Pour prédire les images couleur RVB à partir d'illuminations ou de combinaisons de longueur d'onde unique, nous avons évalué les performances des architectures suivantes : une régression linéaire de base, un CNN [Convolutional Neural Network] inspiré de U-Net (UNet) et un U-Net augmenté de perte de l'adversaire (UNet-GAN ) ».

Pour toutes les expériences, ils ont suivi le modèle pratique du machine learning : ils ont divisé la base de données en 3 parties, réservant 140 images pour l'apprentissage, 40 pour la validation et 20 pour les tests. Pour comparer les performances entre différents modèles, ils ont évalué diverses métriques pour la reconstruction d'image.

Les chercheurs ont noté que cette étude servait d'étape vers la prédiction des scènes du spectre visible humain à partir d'un éclairage imperceptible dans le proche infrarouge .

Ils ont déclaré qu'il "suggère que la prédiction d'images haute résolution dépend plus du contexte d'entraînement [de la Machine] que des signatures spectroscopiques de chaque encre " et que ce travail devrait être une étape vers des vidéos de vision nocturne, pour lesquelles Il sera dépendent du nombre d'images qu'il traite par seconde.

CONTINUER À LIRE: