深層学習による赤外線画像のカラー化技術を開発産業技術総合研究所 研究グループ
物質の色は可視光領域における反射特性に依存するが，可視光領域の反射特性と赤外線領域の反射特性の間には相関関係があることが分かっており，これは，その相関関係に基づいて，赤外線画像から可視光下での被写体の色を再現する可視光カラー化技術である。しかし，その相関関係は弱く，完全に被写体の色を再現するまでには至っていなかった。そこで，深層学習を用い，赤外線画像をより完全に近い被写体の色で再現する可視光カラー化技術の開発に取り組んだ。今回，画像の特徴量を抽出し学習することができるCNN（Convolutional Neural Network）と時系列情報間の関連性を学習することができるRNN（Recurrent Neural Network）という深層学習の手法を基本に，輝度情報と色情報を同時に学習するモデルを構築することで，赤外線静止画や赤外線動画を可視光カラー化する技術を開発した。これにより，これまでモノクロや近似的なカラーでしか表示できなかった赤外線暗視画像を，可視光下での色に非常に近いカラーで表示することができるようになった。
今後は，深層学習のモデルの高度化やビッグデータを収集し学習させることで，汎化性の向上や画質の改善，より完全に近い色再現の実現を試みる。さらに本技術を改善することで，視認性の高いセキュリティーカメラや夜行性動物の生態記録などへの応用が期待される。
