単一開口の光学無レンズイメージング技術に比べて、符号化開口イメージング（Coded Aperture Imaging、CAI）技術はより高い照度とより高い解像度を持ち、近年広く注目されています。しかし、既存のCAI技術は、撮像の時間分解能が低く、撮像性能が劣るという制限があります。深層学習技術は、その強力な複雑特徴モデリング能力により、様々な信号処理分野に広く応用されています。本論文では、深層学習技術を用いてこれらの問題を解決し、畳み込み注意機構に基づく生成対抗ネットワークモデル（Convolutional Attention Mechanism Based-Generative Adversarial Network、CAM-GAN）を構築し、様々な状況やタスクの要求に適応してCAIの効果と安定性を向上させることを提案します。畳み込み注意機構モジュールを導入することで、生成器がデータの特定領域に選択的に焦点を当て、元の画像の詳細と構造を復元します。これに基づき、生成対抗ネットワークの形式でネットワークを訓練し、よりリアルで高品質な画像を生成します。公開データセットでの実験結果は、他の方法と比較して、CAM-GANが画像品質に優れており、最高のピーク信号対雑音比値を達成し、次善のUNet-GANアルゴリズムに比べ約0.32向上したことを示しており、深層学習技術のCAI分野への応用可能性を十分に実証しています。

符号化開口イメージング;深層学習;注意機構;生成対抗ネットワーク