2021 Fiscal Year Annual Research Report
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 |
21H01849
|
|---|
| Allocation Type | Single-year Grants |
|---|
| 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
|
| Keywords | ディープラーニング / 散乱イメージング / コヒーレンス |
|---|
| 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し、そのアルゴリズムを用いたディープラーニングを用いた画像再構成により、スペックル画像と元画像の統計特性を明らかにする。
光源にはレーザー光源とLED光源を用い、すりガラスの奥に置いた物体の再構成において、光源の違いによる再構成精度を評価した。物体として透過型空間光変調素子に表示された手書き数字画像を使用した。低コヒーレンス光源であるLED光源を用いた場合再構成精度は低下するものの、ディープラーニングにより手書き数字画像を再構成することができた。また、結像光学系における結像位置の違いと被写界深度の拡大、レンズレス光学系における被写界深度の拡大を評価した。異なる深度に位置する物体より得られたスペックル画像をまとめて学習することにより、被写界深度を拡大した。取得する画像の輝度、画像サイズなど撮像素子による影響を調査し、再構成可能な条件を抽出した。また、データ汚染における再構成の可能性、脆弱性の検討、攻撃の検出について調査した。
|
| 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として、すりガラスの奥にある物体の可視化（透過型配置）において、波長632.8 nmにおける再構成を実現した。また、レンズを用いた結像系、カメラを用いた結像系、レンズレス光学系とさまざまな光学系を構築し、それぞれの光学系での再構成を実現した。コヒーレント光源だけでなく、LEDを用いたインコヒーレント光源を光源として用いた場合でも、ディープラーニングにより手書き文字の再構成が可能であることが判明した。撮像素子による撮像条件と再構成精度の関係について実験により確かめることができた。
|
| Strategy for Future Research Activity |
LEDを用いてスペクトル帯域を制限し時間コヒーレンスと再構成精度の関係を調査する。また空間コヒーレンスと再構成精度の関係も調査し、時間、空間コヒーレンスと再構成精度の関係を追及する。物体としては、透過型空間光変調素子を用い、振幅物体としているため、透過型位相物体の再構成、反射型空間変調素子を用いた反射物体の再構成を行う。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カラー画像の再構成を進めていく。すりガラスを用いているが散乱媒質は動的散乱媒質の実験を進めていく。
|
