より高い解像度と鮮明度の宇宙目標の光学画像を取得するために、地上設置の適応光学（Adaptive Optics、AO）撮像望遠鏡で補正された劣化画像に対して超解像復元を行う必要があります。宇宙目標AO画像は背景が単一で、解像度が限られており、動きぼけ、乱流ぼけ、過曝などの特徴があるため、深層学習に基づく生成対抗ネットワーク（Generative Adversarial Networks、GAN）を用いて宇宙目標AO画像の超解像復元を実現する方法を提案しました。神経ネットワークの訓練のために宇宙目標AOシミュレーション画像の訓練セットを構築し、従来の残差ネットワークを密集残差ブロックに置き換えたGAN超解像復元手法を提案しました。ネットワークの深さを向上させ、相対平均損失関数を判別器ネットワークに導入することで判別器をより堅牢にし、GANの訓練をより安定化させました。実験結果は、本手法が従来の補間超解像方法と比較してPSNRを11.6％以上、SSIMを10.3％以上、深層学習に基づくブラインド超解像手法と比較してPSNRを平均6.5％、SSIMを平均4.9％向上させることを示しました。本手法は宇宙目標AO画像の鮮明な復元を効果的に実現し、再構成画像のアーティファクトを低減し、画像の詳細を豊かにしました。

宇宙目標画像;超解像;生成対抗ネットワーク;密集残差ブロック