摘要
일반 이미지 압축과 달리 다중 스펙트럼 이미지 압축은 공간적 중복성과 스펙트럼 간 중복성을 동시에 제거해야 합니다. 최근 연구에 따르면 엔드 투 엔드 합성곱 신경망 모델이 이미지 압축에서 우수한 성능을 보이나, 다중 스펙트럼 이미지 압축에서는 인코더와 디코더가 공간 및 스펙트럼 간 특징을 효율적으로 동시에 추출하지 못하며, 이미지의 국부 특징 정보를 무시하는 문제가 있습니다. 이를 해결하기 위해 본 논문에서는 다중 스케일 특징 합성곱 신경망을 융합한 다중 스펙트럼 이미지 압축 방법을 제안합니다. 제안된 네트워크는 압축 모델의 인코더와 디코더에 서로 다른 스케일에서 공간 및 스펙트럼 간 특징 정보를 추출할 수 있는 다중 스케일 특징 추출 모듈과 국부 공간 정보 및 스펙트럼 정보를 포착할 수 있는 공간-스펙트럼 비대칭 합성곱 모듈을 삽입하였습니다. 실험 결과, JPEG2000과 3D-SPIHT 같은 전통적 알고리즘 및 딥러닝 방법과 비교했을 때, Landsat-8의 7밴드 및 Sentinel-2의 8밴드 데이터셋에서 제안된 모델이 PSNR 지표에서 1-2dB 높은 성능을 보였습니다. 평균 스펙트럼 각도(MSA) 지표 측정에서 제안된 모델은 Landsat-8 데이터셋에서 기존 알고리즘보다 약 8×10- 3 라디안, Sentinel-2 데이터셋에서 약 2×10- 3 라디안 우수함을 나타냈습니다. 이는 다중 스펙트럼 이미지 압축의 공간 및 스펙트럼 간 특징 추출과 국부 특징 추출 요구를 충족합니다.
关键词
공간-스펙트럼 특징; 비대칭 합성곱; 합성곱 신경망; 다중 스펙트럼 이미지 압축
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website