文献

J-GLOBAL ID：202402240690897537   整理番号：24A2135903

光学衛星画像向けAI超解像技術

Super-resolution by using deep learning for optical satellite imagery

著者 (4件)： 藤野俊樹 (三菱電機 先端技総研) ,  栗原康平 (三菱電機 先端技総研) ,  豊田善隆 (三菱電機 先端技総研) ,  桑田宗晴 (三菱電機 先端技総研)
資料名： 映像情報メディア学会技術報告(Web)  (ITE Technical Report (Web))
巻： 48  号： 6(MMS2024 1-30/ME2024 17-46/AIT2024 1-30)  ページ： 34-38 (WEB ONLY)  発行年： 2024年02月12日 
JST資料番号： S0209B  ISSN： 2424-1970  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,衛星画像を利用したサービスやソリューションへのニーズが高まってきている.衛星画像を活用することで広域の観測が可能である.一方,撮影高度の高さからドローンや航空機と比較すると地上分解能が劣化するという課題がある.超解像技術を用いて衛星画像から高分解能の画像を生成できれば,衛星画像利用の拡大につながることが期待される.今回,我々が保有する衛星画像シミュレーション技術を活用し,高分解能の航空写真をもとに,衛星画像の解像度やぼけ特性を正確に模擬した学習データを作成し,これを用いてAI超解像のファインチューニングを実施した.結果として分解能30cmの衛星画像を分解能15cm相当に向上させる超解像において,小さな対象物の再現性が向上し,他社類似技術による画像と同等の視認性が得られた.また,超解像処理前後の画像で物体検出AIによる車両の検出精度を比較した結果,超解像処理によって検出率が約2倍に向上することを確認した.(著者抄録)

シソーラス用語： *衛星利用画像 ,  *超解像 ,  *人工知能 ,  *リモートセンシング ,  分解能 ,  シミュレーション ,  空中写真 ,  機械学習 ,  画像ぼけ ,  物体認識
準シソーラス用語： *AI【人工知能】 ,  *衛星画像 ,  航空写真

分類 (3件)： 宇宙通信  (ND08040S) ,  図形・画像処理一般  (JE04010I) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (4件)： 光学 ,  衛星画像 ,  AI ,  超解像技術