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
| Project/Area Number |
23K21085
|
|---|
| Project/Area Number (Other) |
21H01849 (2021-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2021-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 30020:Optical engineering and photon science-related
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
渡邉 歴 立命館大学, 理工学部, 教授 (90314377)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,420,000 (Direct Cost: ¥13,400,000、Indirect Cost: ¥4,020,000)
Fiscal Year 2024: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2023: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2022: ¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000)
Fiscal Year 2021: ¥5,980,000 (Direct Cost: ¥4,600,000、Indirect Cost: ¥1,380,000)
|
|---|
| Keywords | 散乱イメージング / 非視線方向イメージング / コヒーレンス / 光伝搬 / ディープラーニング / メモリ効果 / 機械学習 / スペックル |
|---|
| Outline of Research at the Start |
拡散または散乱媒体を介した光学イメージングは、 生体内部の可視化、自動運転、暗号化など多くの分野に関わる問題として注目されている。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が、光学的なシステムをブラックボックスとして取り扱っており、物理的なメカニズムは検討されていない。本研究では、光の回折と伝搬、そして時間・空間コヒーレンスを考慮した光伝搬計算に基づくディープラーニングアルゴリズムを構築し、スペックル形成のメカニズム解明を行い、散乱媒質の奥や直接目に見えない曲がり角の向こう側にある物体の画像を再構成する。
|
| Outline of Annual Research Achievements |
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。
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結果を学術論文誌に発表した。
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、光源にレーザーとLEDを用い光源による脆弱性の影響を調査した。また、結像光学系とレンズレス光学系の2種類の光学系を用いて検討した。レンズレス光学系のほうがデータ汚染攻撃に対してのロバスト性が高いことがわかった。
散乱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引き続き検討した。拡散板を光軸に対して垂直な方向と平行方向に移動させてスペックル画像を取得した。拡散板が光軸と垂直方向に移動する場合、学習済みの条件では直接法の方が再構成精度は高いが、未学習の条件においては自己相関法の方が直接法より再構成精度が高い結果となった。
マルチモードファイバーを介した散乱イメージングにおいて、光源のコヒーレンスの違いが再構成精度に与える影響についてレーザーとLEDを用いて検討した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
ディープラーニングを用いた散乱イメージングにおいて、すりガラスを散乱媒質として用い、光源としてレーザーならびにLEDを用い、光源の違いによる再構成精度を構造的類似度 (SSIM) を用いて評価した。システムのロバスト性と脆弱性に関して、光源以外に、光学系や散乱条件を変化させ、知見を得ている。
散乱媒質としてマルチモードファイバーを用いた実験を実施し、光源により再構成精度に差は生じず、光源のコヒーレンスが再構成精度に影響を与えないことがわかった。
|
| Strategy for Future Research Activity |
コヒーレンスと再構成精度の関係に関して、時間、空間、スペクトルコヒーレンスと再構成精度の関係を引き続き調査する。さらに、手書き文字以外の複雑な物体の再構成、様々な波長での再構成ならびにマルチスペクトル画像の再構成を進める。環境光に対する影響、広帯域光源を用いた場合の影響、微弱光や動的散乱体での再構成精度、ディスプレイ等を用いたカラーイメージングでの再構成を実施し、非視線方向イメージングに展開する。また、他の散乱イメージングと比較調査する。
|
Report
(3 results)
Research Products
(22 results)
