夜视通常是单色的——佩戴者看到的一切都呈现出相同的色调，主要是绿色。但通过使用不同波长的红外光和相对简单的人工智能算法，加州大学欧文分校的科学家们已经能够为这些褪色的图像恢复一些色彩。他们的研究结果本周发表在《PLOS ONE》杂志上。
可见光谱中的光，类似于 FM 广播，由许多不同的频率组成。光和无线电都是电磁光谱的一部分。但光与无线电波不同，它以纳米（表征其波长）而不是兆赫（表征其波频率）来衡量。人眼平均可感知的光的波长范围在 400 到 700 纳米之间。
配备夜视功能的典型安全摄像头利用单一颜色和波长（大于 700 纳米）的红外光来创建场景。红外光是肉眼看不见的电磁光谱的一部分。科学家们利用这些波来研究热能；红外光信号也是某些遥控器用来与电视屏幕通信的信号。
在此之前，为了教会夜视摄像头如何看到彩色，研究人员会用红外相机和普通相机拍摄同一场景的照片，然后训练机器根据这两种输入类型从红外图像预测彩色图像。但在这次实验中，加州大学欧文分校的团队想看看使用多波长红外光的夜视摄像头能否帮助算法做出更好的颜色预测。
为了进行测试，他们使用了一种对可见光和红外光谱的光敏感的单色摄像头。大多数彩色相机捕捉三种不同颜色的光：红色（604 纳米）、绿色（529 纳米）和蓝色（447 纳米）。除了拍摄在这些颜色光照射下的样本集图像外，实验装置还在黑暗中拍摄了三种不同波长（718、777 和 807 纳米）的红外光图像。
加州大学欧文分校眼科学教授、《PLOS ONE》论文作者 Andrew Browne 解释说：“单色摄像头对它所观察的场景反射的任何光子都非常敏感。“所以，我们使用了一个可调谐光源照射场景，并用一个单色摄像头捕捉在所有不同照明颜色下从场景反射出来的光子。”
[相关：斯坦福大学工程师制作了可以像橡皮筋一样拉伸的微型 LED 显示屏]
然后，科学家们使用三张红外图像与彩色图像配对，来训练一个人工智能神经网络，使其能够预测场景中的颜色应该是怎样的。在团队训练并提高其性能后，神经网络能够从三张红外图像中重建出看起来非常接近真实场景的彩色图像。
Browne 说：“当我们增加红外通道或红外颜色的数量时，它提供了更多数据，我们可以做出更好的预测，这些预测看起来非常接近真实的图像。“这篇论文证明了这种方法在获取三种人眼无法看到的红外颜色图像方面的可行性。”
在此次实验中，该团队仅将他们的算法和技术测试在打印好的彩色照片上。然而，Browne 表示，他们正在寻求将其应用于视频，并最终应用于真实物体和人类受试者。
加州大学欧文分校眼科学教授 Andrew Browne 说：“在某些情况下，无法使用可见光，要么是因为不想让某些东西被看见，要么是因为可见光会造成损害。”例如，这适用于从事对光敏感的化学品工作的人员、希望研究眼睛的研究人员，或军事人员。“在低光照条件下，能够以彩色视觉或看起来像我们正常视觉的图像来观察世界，可能会很有价值。”
