Year: 2025
Type: article
Abstract: 为提高无人机在复杂环境下的环境感知和目标识别能力，探索无人机载昼夜单通道自然感彩色热成像技术,基于深度学习技术，构建了两种图像彩色化技术：基于多判别器生成对抗网络的红外图像彩色化网络(thermal image visualization net,TIVNet)、基于区域自分割的语义引导扩散模型的红外图像彩色化网络(region-aware semantic-guided diffusion models，RSDM)。TIVNet通过多判别器的生成对抗网络结构能够将红外热成像直接转化为类似彩色可见光图像，但在部分场景细节部分色彩存在错误。语义引导扩散模型网络通过更复杂的模型生成更加真实的彩色图像，增强了图像的视觉效果和信息传递效率，但目前处理速度还有待提高。实验结果表明，所提出的两种方法在图像转换的逼真度和实时速率方面都各自具有显著优势，TIVNet在无人机平台的实验测试中，达到了不低于40 Hz的实时处理速度，同时保持高视觉逼真度，证明了技术的可行性，并具备针对应用需求开展装备转换应用的能力，为无人机在军事和民用领域的应用提供了新的技术手段。
Source: Journal of Applied Optics
Authors: SHENG Dian, 北京理工大学 光电学院 光电成像技术与系统教育部重点实验室，北京 100081, JIN Weiqi, LI Li, WANG Xia, QIU Su
Institution: Beijing Institute of Technology
Language: English
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: hybrid
OpenAlex ID: W4410447102