생성적 적대 신경망을 이용한 구름 제거를 위한 SAR에서 광학 이미지 합성

광학 영상은 종종 구름의 존재로 인해 영향을 받는다. 이러한 영향을 줄이기 위해 최근 몇 년간 다양한 재구성 기법이 제안되어 왔다. 일반적인 대안으로는 대기 조건이나 태양 조명에 거의 영향을 받지 않는 활성 센서, 예를 들어 합성 개구 레이더(SAR, Synthetic Aperture Radar)로부터 데이터를 추출하는 것이 있다. 한편, SAR 영상은 광학 영상에 비해 해석이 더 복잡하여 특별한 처리가 필요하다. 최근에는 조건부 생성적 적대 네트워크(cGAN, Conditional Generative Adversarial Networks)가 다양한 이미지 생성 작업에 널리 사용되며, 최첨단 성능을 보이고 있다. cGAN의 한 가지 응용은 서로 다른 도메인의 두 이미지 간에 비선형 매핑 함수를 학습하는 것이다. 본 연구에서는 SAR 영상이 구름에 거의 영향을 받지 않는 특성과 cGAN의 이미지 번역 능력을 결합하여, 구름에 가려진 영역을 복원하기 위해 SAR 영상에서 광학 영상으로의 변환을 수행한다. 실험 결과, 제안된 방법은 SAR 기반 분류 기법보다 더 높은 분류 정확도를 달성함을 보였다.