🛰️ 衛星・災害解析
リモートセンシング技術の発展により、衛星データは災害監視や環境管理に不可欠な情報源となっています。本研究分野では、深層学習を軸に、衛星から取得するSAR・光学データ、地形データ等の解析を通じて、土砂災害の動的リスク領域の抽出、気象条件に依存しない植生状態の推定、海域における船舶検出精度の向上に取り組んでいます。モニタリングや災害リスク評価への実用可能性の発見を目的とした、高精度かつ汎用的な解析手法の確立を目指しています。
主な研究の内容
深層学習を用いた衛星画像からの土砂災害警戒区域の抽出
近年、気候変動の影響によって土砂災害が頻発し、従来の静的なハザードマップでは警戒区域外のリスクに十分対応できない事例が増加しており、その限界が指摘されています。本研究では、光学衛星画像と標高データ(DEM)を組み合わせ、深層学習により動的な土砂災害警戒領域の抽出を行います。地形情報を含む複数のデータを統合的に処理し、災害による地形変化を的確に捉えることで、警戒区域の高精度な自動抽出を可能にします。
敵対的生成ネットワークを用いたRVI画像からの疑似NDVI画像の生成
近年、異常気象の頻発に伴い農業モニタリングの重要性が高まっています。現在モニタリングには植生を示す「NDVI画像」が使われています。しかし、この画像は光学衛星からしか取得できず、天候や時間帯によっては欠損データが生じてしまい、リアルタイムなモニタリングができません。本研究では、天候に左右されないSAR衛星の植生画像である「RVI画像」から「NDVI画像」を生成する研究を行っています。
超解像を伴う船舶検知の向上
人工衛星に搭載されたSAR(合成開口レーダー)により取得された画像に対して、AIを用いた超解像処理を行い、低解像画像から船舶などの物体をより高精度に検出する研究を進めています。SwinIRやESRGANといった深層学習モデルを活用し、SAR特有のスペックルノイズや低解像度の課題に対応します。今後は物体検出AIとの統合も目指します。
デモ映像リンク
研究成果のデモ動画は、PRページにてご覧いただけます。