講演情報
[B-5B-10]データ拡張を用いたISTA-Netによる少量データCS-SAR画像再構成
◎柴田 奨真1、浩樹 森1、亮太 関谷1 (1. 株式会社東芝)
キーワード：
合成開口レーダ、圧縮センシング、深層展開、ミリ波レーダ
電波を用いたレーダ技術は，雲・雨・煙などの気象条件や昼夜の影響を受けずに観測が可能であり，全天候・昼夜対応の遠隔探査技術として，地球観測，防衛，災害監視，自動運転支援など幅広い分野で活用されている．その中でも，合成開口レーダ（synthetic aperture radar: SAR）は，センサの移動により仮想的に大型の開口を合成することで，高分解能なレーダイメージングを実現する手法として広く利用されている．一方，高分解能なSAR画像を得るためには多数の観測データが必要となり，観測コストや処理量の増大が課題となる．この課題に対し，少数観測から画像を再構成する圧縮センシング（compressed sensing: CS）が有効である．近年では，CSの反復最適化手法であるISTA（iterative shrinkage-thresholding algorithm）を深層ネットワークとして展開したISTA-Netが提案され，高速かつ高精度な再構成が期待されている．しかし，深層学習に基づく手法では十分な教師データが必要であり，SARデータの取得困難性が問題となる．そこで本研究では，観測行列操作に基づくデータ拡張をISTA-Netの学習に導入し，少量データ条件におけるCS-SAR画像再構成性能の向上を示す．