通常の画像圧縮とは異なり、多光スペクトル画像圧縮は空間的冗長性だけでなく、スペクトル間冗長性も除去する必要があります。近年の研究により、エンドツーエンドの畳み込みニューラルネットワークモデルは画像圧縮において優れた性能を示していますが、多光スペクトル画像圧縮においてはエンコーダとデコーダが空間的およびスペクトル間の特徴を効率的に同時に抽出できず、画像の局所的特徴情報を見落とす場合があります。これらの問題に対処するため、本論文では多スケール特徴を融合した畳み込みニューラルネットワークによる多光スペクトル画像圧縮手法を提案します。提案ネットワークは圧縮モデルのエンコーダとデコーダに、異なるスケールで空間的およびスペクトル間の特徴情報を抽出可能な多スケール特徴抽出モジュールと、局所的な空間情報およびスペクトル情報を捉える空間・スペクトル間非対称畳み込みモジュールを組み込んでいます。実験により、JPEG2000や3D-SPIHTなどの従来アルゴリズムおよび深層学習手法と比較して、Landsat-8の7バンドおよびSentinel-2の8バンドデータセットにおいて、提案モデルはピーク信号対雑音比（PSNR）指標で1〜2dB高い性能を示しました。平均スペクトル角（MSA）指標の評価では、提案モデルはLandsat-8データセットで約8×10^-3ラジアン、Sentinel-2データセットで約2×10^-3ラジアン従来アルゴリズムより優れており、多光スペクトル画像圧縮における空間およびスペクトル間特徴抽出と局所特徴抽出の要求を満たしています。

空間・スペクトル間特徴; 非対称畳み込み; 畳み込みニューラルネットワーク; 多光スペクトル画像圧縮