超二代像增强器与三代像增强器长期保持着并行发展的态势，但迭代性能划定和命名之争也贯穿其发展历程。随着多碱光电阴极的光谱拓展取得实质性突破，同时无膜微通道板在一些 GaAs光阴极像增强器中也成为可 能，像增强器的“代”已彻底失去意义，可对各自所能达到的实际使用性能仍然缺乏一个全面准确的评判。通过回顾像增强器的发展历程及其标志性的迭代性能突破，和随之多次引发的迭代性能划定和命名之争，进一步说 明标准规范在准确评价像增强器的迭代性能特征及其实际使用性能方面存在不足，同时，数字化可集成的夜视技术是未来的发展趋势，数字像增强相机也已成为像增强技术的一种新的产品形态，像增强器的标准更新及其性 能参数与实际使用性能对应关系的研究已经显得很有必要。

为了增强无人车对夜视图像的场景理解, 在夜间模式下更快更精确地探测和识别周围环境, 将深度学习应用于夜视图像的场景语义分割, 提出了一种基于卷积-反卷积神经网络的无人车夜视图像语义分割方法。在传统的卷积神经网络中加入反卷积网络, 构建卷积-反卷积神经网络, 无需手工选取特征。通过像素到像素的学习和训练, 得到图像语义分割模型, 可直接用该模型预测夜视图像中每个像素所属的场景语义类别, 实现无人车夜间行驶时的环境感知。实验结果表明, 该方法具有较好的准确性和实时性, 平均IU达到68.47。

针对机载液晶显示的特殊要求,设计了一种四基色发光二极管(LED)背光源。采用了能单独控制亮度的红、绿、蓝、琥珀等4种颜色的LED,以克服现有滤光片方法带来的夜模式下显示色域大幅下降的问题。在昼模式下工作时,4种颜色的LED同时发光,混合成白光;在夜模式下工作时,关闭红色LED以减少红外辐射,而绿、蓝、琥珀等3种颜色LED工作。计算了夜模式下3种颜色的混合配比。将蓝色LED的混光比例作为固定值代入昼模式下计算得到红、绿、琥珀的配比。仿真设计了采用红、绿、蓝三合一LED和单独琥珀色LED的背光源,分析了它们的性能,并开发了实际样品。测试结果表明: 昼模式下,背光模块的发光强度为23 515 cd/m2(屏前亮度为1 175 cd/m2),非均匀性为8.07%,色域为NTSC(National Television Standard Committee)的116.5 %;夜模式下,背光模块的发光强度为15.36 cd/m2(屏前亮度为0.77 cd/m2),非均匀性为15.49%,色域为NTSC的83.5 %,满足机载液晶显示的要求。

提出一种将小波融合和基于伪彩色融合图像的C均值聚类用于图像色彩传递算法中的彩色夜视方法。在色彩传递前将可见光和红外图像进行小波融合得到灰度融合图像作为目标图像, 保持了较好的纹理信息和目标信息; 再对彩色源图像进行基于连接相对熵的彩色阈值分割; 然后针对灰度融合图像的特点, 根据一种基于伪彩色融合图像的C均值聚类方法, 将伪彩色融合图像的彩色信息作为特征向量应用在夜视图像的分类当中, 得到较好的分类效果, 并基于此分类结果再进行色彩传递, 得到更为自然的彩色夜视图像。实现了对夜视图像的自动色彩传递, 得到的图像色彩较真实, 纹理清晰, 将有利于人眼的目标识别。

提出夜视彩色融合图像质量评价的三个基本指标是"目标探测性"、"细节"和"色彩",并且通过视觉评价实验,研究了"感知质量"与这三个指标的相关性.对十个场景的微光与红外图像采用四种融合算法产生的40幅假彩色图像进行评价实验,实验结果得出:融合图像都有好目标探测性,感知质量与目标探测性的相关性很小;感知质量与细节的相关系数是0.89,感知质量与色彩的相关系数是0.75.说明在满足目标探测性要求条件下,细节是视觉感知融合图像质量的最主要评价指标,而且色彩成为夜视彩色图像质量的一个重要指标.

提出了一种双通道夜视图像的彩色融合系统。利用Matrox Meteor-Ⅱ多通道图像采集卡获取双通道微光与红外视频图像．通过仿MIT，BIT．TNO．线性组合和混合结构等图像融合结构实现微光／微光和微光／红外图像的彩色融合处理。系统彩色图像融合处理是在VC++6．0环境下运用采集卡图像函数库实现的。建立的实验平台为彩色夜视融合算法的评价和进一步的研究奠定了基础。