论文标题：Unsupervised lightweight 3D convolutional network for enhanced infrared imaging in wearable devices

期刊：Frontiers of Computer Science

作者：Biao ZHU, Jun ZHANG, Sirui ZHAO, Zhengye ZHANG, Enhong CHEN

发表时间：12 Feb 2025

DOI： 10.1007/s11704-025-40948-7

微信链接：点击此处阅读微信文章

引用格式：

Biao ZHU, Jun ZHANG,Sirui ZHAO, Zhengye ZHANG, Enhong CHEN. Unsupervised lightweight 3D convolutional network for enhanced infrared imaging in wearable devices. Front. Comput. Sci., 2026, 20(1): 2001306

阅读原文：

文章概述

随着自然灾害、突发卫生事件的日益频发，可穿戴红外热成像设备在消防、医疗领域得到了广泛的使用。然而，这类设备往往成像性能较差，经常出现对比度低、暗区、高噪声和边界模糊等问题，极大地阻碍了实际应用。

针对这些问题，中国科学技术大学和中航华东光电有限公司的研究团队发表了他们的最新研究成果。

该团队提出了一种新型无监督轻量级三维卷积网络（UL3DCN），专门用于增强可穿戴设备上的红外图像。在这一框架中，红外图像增强的任务被概念化为在热平衡期间从相应的温度序列生成高动态范围的红外图像。综合实验结果表明，他们的方法具有出色的图像增强效果和良好的实时性。此外，所提出的UL3DCN 模型已成功集成到可穿戴式红外消防面具中。

Overall framework of UL3DCN

在这项工作中，研究者们从HDR 成像技术中汲取灵感，将红外图像增强任务表述为从不同温度下的相应红外图像生成HDR 红外图像。整个过程是一个非线性时空变换过程。

首先，他们将红外图像视为热平衡过程中特定温差对应的图像。随着热平衡过程的进行，红外图像会发生相应的变化，形成一系列图像序列。为模拟这一过程，开发了一个动态滤波器生成组件。该组件可生成不同的滤波器，这些滤波器可理解为热平衡过程中的不同温差条件，滤波后的图像序列可视为特定温差条件下的相应红外图像序列。其次，通过构建三维深度学习网络，学习红外图像序列的时空相关性。同样，基于Zero-DCE 的思想，利用红外图像序列的时空相关性构建像素级高阶曲线。最后，根据该曲线预测增强的红外图像。

研究团队指出，未来将重点解决图像增强过程中出现的干扰因素，比如图像噪声，抖动等，同时也将关注轻量化模型以及模型蒸馏背景下出现的图像增强思想和方法。

中国学术前沿期刊网

http://journal.hep.com.cn