海洋水体および懸濁粒子の吸収と散乱によって引き起こされる水中顕微鏡画像の色彩情報の歪み問題に対して、本稿では改良されたサイクル一貫性敵対的ネットワーク（Cycle-consistent Adversarial Network、CycleGAN）アルゴリズムを提案し、水中ターゲット物体画像の色補正を実現した。元の低品質な水中画像と再構成された水中画像との間にR、G、Bの3チャンネルの構造的類似度指標（Structure Similarity Index Measure、SSIM）損失関数を導入することで、両画像間の情報損失を評価し、3チャンネルのR、G、B色彩の正確な調整を実現した。これにより、CycleGANネットワークの全体性能が向上するとともに、生成器によって生成される画像の品質も改善された。その後、水中の多色自作ターゲットおよび天然鉱石の顕微鏡画像で構成されたトレーニングデータセットを用いて本論文で提案した改良ネットワークを訓練し、得られたモデルは実際の鉱石サンプル表面の顕微鏡画像の色補正に利用できる。結果は、本論文で提案した改良CycleGANアルゴリズムが他の方法に比べて色補正の面で明らかな優位性を持つことを示した。従来のRetinexアルゴリズムと比較して、処理後の画像のピーク信号対雑音比（Peak Signal-to-Noise Ratio、PSNR）と構造類似度指標はそれぞれ41.85％、35.62％向上し、また、主観的視覚的観点から、補正後の水中顕微鏡画像は空気中の画像と最も色の類似性が高いことが認められた。総じて、本稿の手法は水中ターゲット物体の画像色補正を効果的に実現し、水中顕微鏡画像の品質を向上させることができ、海洋地質学および海洋生物学における応用が期待される。

海底深部微生物観察; 水中顕微鏡撮影; SSIM損失関数; CycleGAN; 色補正