衛星画像の薄膜雲除去に向けた多スペクトル条件付き生成対抗ネットワークの利用

本論文では、可視光RGB衛星画像から雲を除去する方法として、条件付きジェネレーティブ・アドバーザリアル・ネットワーク（cGANs）をRGB画像から多スペクトル画像へ拡張することを提案します。衛星画像は、自然環境監視（汚染、森林や河川）、交通改善、災害時の迅速な緊急対応など、さまざまな目的に広く利用されています。しかし、雲による遮蔽が地上の状況を安定して監視することを困難にしています。波長の長い領域で撮像することで雲の影響を軽減することができます。合成開口レーダー（SAR）はその一例であり、雲が存在していても可視性を向上させることができます。一方で、波長が長くなるにつれて空間解像度は低下します。さらに、長波長で撮影された画像は可視光での外観と大きく異なるため、我々は入力として多スペクトル画像を使用し、雲を取り除き可視光画像を生成するネットワークを提案します。これはcGANsの入力チャネルを多スペクトル画像に対応させることで実現されます。ネットワークは、真値に近い画像を出力するように訓練され、真値に対して雲が合成された画像が入力として使用されます。利用可能なデータセットにおいて、森林や海洋の画像の割合が非常に高いことから、元のデータセットから均一にサンプリングすると訓練データセットに偏りが生じます。そこで、t-分布確率近傍埋め込み（t-SNE）を利用し、訓練データセットにおける偏り問題を改善します。最後に、4バンド画像（3つの可視光バンドと1つの近赤外線（NIR）バンド）のデータセット上で提案手法の妥当性を確認しました。以上が翻訳となります。ご確認ください。