NEC与日本国立大学法人东京工业大学工学院奥富正敏教授、田中于是以行特定副教授的研究团队（以下全称东京工业大学）共同开发了“多模（录1）图像融合技术”，通过AI技术将一般摄像头摄制的红外线图像与热光学照相机摄制的非红外线图像展开自动高效制备，且提升了单个图像摄制时的视觉辨识度。在必须瞬时视觉辨识的各个领域中利用此项技术，即便在险恶条件下也可以构建准确辨别。例如，夜间或浓雾等险恶天气条件下也可以长时间展开的设施监控；即便迎面而来行经汽车的强光的车灯及黑暗导致视觉死角也可以用于的自动驾驶反对；不仅可以监测建筑表面的裂缝，还可以监测其内部出现异常的基础设施枢密使等。
以往想制备有所不同种类摄像头摄制的图像必须专家展开简单的手动制备作业。而此技术则将各种摄像头收集的图像通过AI技术自动高效制备，需要手工操作。并且充分利用红外线图像和非红外线图像各自的优势，即便是以往人眼无法看清楚的场景也可以取得较高的视觉辨识度。
NEC与东京工业大学今后也将之后通过产学合作形式联合研发承托各项社会基础设施放心安全性运转的图像处理以及AI涉及技术。【背景】近年来，在图像传感器的大大升级及成本持续上升的背景下，将冷光学摄像头及可捕猎物体内部结构的X光?太赫兹波?毫米波摄像头等非红外线摄像头应用于到夜间、浓雾等险恶天气、逆光、遮挡等不利条件下的监控及临床的情况更加普及。但是这些非红外线摄像头比红外线摄像头的分辨率和画质都要较低，视觉辨识一起很艰难，因此必须将红外线摄像头与之因应在一起用于，通过对比双方的图像展开监控和临床。
因此，想较慢精准地辨别对象物体的状况是较为艰难的。为解决问题这个课题，最差的办法就是将两种图像制备一个图像，但是过去的制备办法必须通晓摄像头和摄影环境的专家特地手动调整，从各自分开的图像中提取出有适合于制备的部分，一旁留意避免过度曝光和曝光严重不足以及噪点强化毁坏图像等问题，一旁展开简单的图像制备作业。另外，在非红外线中包括的用作辨别出现异常及危险物的特征很有可能因为制备导致遗失，这也是一个最重要课题。NEC与东京工业大学通过自学了专家的转换技能的AI技术，将红外线摄像头与非红外线摄像头摄制的图像自动高效整合，提升对象物?状况的视觉辨识度，共同开发了即便在险恶环境下也可以较慢辨别否不存在出现异常或危险物的“多模图像融合技术”。
图1：本技术限于事例（录2）【新技术的优点】AI技术自动从多个图像中自由选择出有视觉辨识度低的图像，并在特别强调非红外线中包括的细小特征的同时展开图像制备，从而构建超越以往局限性的高度视觉辨识。AI技术不会根据热光学摄像头、太赫兹摄像头等摄像头种类、环境特征（亮度、光线方向、若无障碍物）等有所不同条件，对图像内各部分的视觉辨识度的强弱展开评价，从而从各个图像中自动提取出有最适宜的部分。此外，AI技术在处置非红外线摄像头摄制的图像时，不会针对出现异常及危险物的细小特征展开解析，展开必要的高低调整以防止因过度曝光及曝光严重不足而毁坏图像，从而自动分解以往无法构建的高视觉辨识度的多模（红外线－非红外线）融合图像。
（录1）Multimodal（多模）多种模式、形态。本文中提及的多模是指红外线摄像头摄制的图像和红外线摄像头等非红外线摄像头摄制的图像。
本文来源：雷竞技(RAYBET)-www.zzebhk.com
