コヒーレンスの伝搬に基づくディープラーニングによる散乱媒質のイメージング

点击翻译按钮获取中文摘要

散乱媒体あるいは拡散媒体は、光の散乱により画像の品質を著しく低下させるため、光を用いて散乱体の奥の物体や曲がり角の奥など直接見えないところにある物体の可視化は難しいとされてきた。ディープラーニング（深層学習）を用いてスペックル画像と元画像の統計特性を学習し、画像の再構成を行うことが可能となってきている。本研究では、物理的なメカニズムを明確にすべく、光コヒーレンス理論・光伝搬理論を基盤とし、光の伝搬を考慮するアルゴリズムを構築する。また、そのアルゴリズムに基づくディープラーニングにより、画像を再構成するとともに、スペックル画像と元画像の統計特性を明らかにする。本年度は、被写界深度の拡大、分光イメージングと波長推定、脆弱性とロバスト性の検討を実施した。分光イメージングでは，光源にLEDを用いて、モノクロカメラで撮影されたスペックル画像より中心波長が変化するカラー物体の画像再構成と波長推定を実現した。ディープラーニングは敵対的サンプルやデータセットに対する攻撃であるデータ汚染攻撃により脆弱性を示すため、光源にレーザーを用い、トリガー画像によるデータ汚染攻撃の影響について調査した。ロバスト性を向上するために，媒体を移動させた場合のロバスト性に影響する要因について検討した。散乱媒体を光軸に対して垂直な方向に移動させてスペックル画像を取得し、自己相関を計算した。ディープラーニングにおける学習にスペックル画像を用いる手法と自己相関画像を用いる手法で画像再構成し、自己相関画像を用いる手法が高いロバスト性を有することを示した。