要約
光学画像はしばしば雲の存在によって影響を受ける。この影響を軽減するため、近年さまざまな再構成技術が提案されてきた。一般的な代替手段として、大気状態や太陽光の照射条件にほとんど依存しないアクティブセンサ、特に合成開口レーダ（SAR）からのデータを活用する方法が挙げられる。一方で、SAR画像は光学画像と比べて解釈がより複雑であり、特別な処理を要する。近年、条件付き生成対抗ネットワーク（cGAN）は、さまざまな画像生成タスクにおいて広く用いられ、最先端の性能を示している。cGANの一つの応用として、異なるドメインの二つの画像間における非線形写像関数を学習する方法が存在する。本研究では、SAR画像が雲の影響を受けにくいという特徴と、cGANによる画像変換の能力を組み合わせ、SAR画像から光学画像へと変換することで、雲に覆われた領域の復元を実現する。実験結果から、提案手法はSAR画像に基づく分類法と比較して、より高い分類精度を達成していることが示された。