機械学習による月面DEMの高解像化

• 資料種別: 文書・図像類
• タイトル: 機械学習による月面DEMの高解像化
• 著者・編者: 小野寺, 康祐; 井上, 博夏; 山本, 光生; 山本, 幸生; 大嶽, 久志; 荒木, 徹也; 廣田, 雅春; 石川, 博; Onodera, Kosuke; Inoue, Hiroka; Yamamoto, Mitsuo; Yamamoto, Yukio; Otake, Hisashi; Araki, Tetsuya; Hirota, Masaharu; Ishikawa, Hiroshi
• 著者標目: 小野寺, 康祐; 井上, 博夏; 山本, 光生; 山本, 幸生; 大嶽, 久志; 荒木, 徹也; 廣田, 雅春; 石川, 博; Onodera, Kosuke; Inoue, Hiroka; Yamamoto, Mitsuo; Yamamoto, Yukio; Otake, Hisashi; Araki, Tetsuya; Hirota, Masaharu; Ishikawa, Hiroshi
• 出版事項: 宇宙航空研究開発機構(JAXA)
• 出版年月日等: 2020-03-10
• 出版年（W3CDTF）: 2020-03-10
• 並列タイトル等: Resolution enhancement of DEM of the lunar surface using machine learning
• タイトル（掲載誌）: 宇宙航空研究開発機構研究開発報告: 宇宙科学情報解析論文誌: 第9号 = JAXA Research and Development Report: Journal of Space Science Informatics Japan: Volume 9
• 巻号年月日等（掲載誌）: JAXA-RR-19-006
• 掲載巻: JAXA-RR-19-006
• 掲載ページ: 21-32
• ISSN（掲載誌）: ISSN : 2433-2216
• 本文の言語コード: jpn
• 件名標目: Digital Elevation Model; Deep Learning; Neural Network
• 対象利用者: 一般
• 一般注記: 月面の数値標高モデル（Digital Elevation Model; DEM）は, 月面探査機の着陸地点や移動経路候補を検討するために用いるデータの一つである. DEMを使用する際, DEMの解像度が低いと詳細な地形を把握することができない. しかし, 月面の高解像度のDEMの作成は入手による作業を必要とするため, 高いコストがかかる. そこで本研究では, 月の全球分存在する低解像度のDEM を用いて, 入手を介さずに高解像度のDEMを生成することを目標とする. 一般的に既存のDEMからより解像度の高いDEMを生成するという目的には補間手法が用いられるが, 月面探査機の着陸地点や移動経路候補の検討という目的に用いるには十分でない. そこで本研究では, 画像の超解像において高い性能を実現している深層学習の技術を用いた手法が適用できると考え, その手法の有効性を検証した. 平均平均誤差および平均最大誤差による評価では, 検証した手法は一般的な補間手法よりも高精度なDEMが生成された. しかし, 月面探査機の着陸地点や移動経路候補の検討のためには不十分な性能であると考えられる.; Digital Elevation Model (DEM) of the lunar surface is one of the data used to discuss landing sites and travel route candidates for the lunar probe. When using DEM, if the DEM resolution is low, cannot grasp the detail for the terrain. However, the creation of a high-resolution DEM of the lunar surface is expensive because it requires manual work. In this paper, we aim to generate a high-resolution DEM without manual work by using a low-resolution DEM that exists for the entire lunar. In general, the interpolation method is used to generate a higher resolution DEM from the existing DEM. However, the interpolation method is not sufficient for use to discuss the landing site of the lunar explorer and moving path candidates. In this paper, we consider that a method using deep learning that achieves high performance in image super-resolution can be applied and verified the effectiveness of the method. In the evaluation based on the mean of mean error and the mean of maximum error, the verified method generated a DEM with higher accuracy than the general interpolation method. However, we consider that the performance is insufficient for discussing the landing site of the lunar probe and travel route candidates for the lunar probe.; 形態: カラー図版あり; Physical characteristics: Original contains color illustrations; 資料番号: AA1930025003; レポート番号: JAXA-RR-19-006
• DOI: 10.20637/JAXA-RR-19-006/0003
• オンライン閲覧公開範囲: 限定公開
• 連携機関・データベース: 国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）; https://irdb.nii.ac.jp
• 提供元機関・データベース: 宇宙航空研究開発機構 : 宇宙航空研究開発機構リポジトリ