要約
リモートセンシングインデックスの形式は、通常、特定の反射率バンドの選択、式の形、または係数の設定といった経験則に基づいて定義される。これらのスペクトルインデックスは、物体検出・分類の前処理段階で用いられるが、分類および／またはセグメンテーションの最適化を目指して、関数近似を用いて最適な形式を探索する研究はこれまで見当たらない。本研究の目的は、汎用的な方程式の異なる形に対して勾配降下法を用いた統計的手法により、最適なインデックスを探索する手法を開発することにある。6波長帯画像を用いて、線形、線形比、多項式、汎用関数近似器、密度型形態学的処理の5種類の式を検証した。また、信号処理および画像解析におけるいくつかの技術を深層学習フレームワーク内に統合して活用した。標準的なインデックスとDeepIndicesの性能は、Dice係数（F1スコアに類似）および平均交差率（mIoU）という2つの指標を用いて評価された。本研究は、土壌および植生表面の近距離取得に用いられる特定のマルチスペクトルカメラに焦点を当てている。これらのDeepIndicesは、同一の植生データセットと評価指標を用いて、一般的に用いられる89種類の植生インデックスと比較された。具体的な例として、最も広く用いられる植生インデックスであるNDVI（正規化差分植生指数）はmIoUスコア63.98％を示したが、本研究で得られた最良モデルは、解析的にインデックスを再構成する解を提示し、mIoUスコア82.19％を達成した。この差は顕著であり、外部要因による影響に対してより高いセグメンテーション精度とインデックスのロバスト性を実現するとともに、検出対象の形状の精度向上にも寄与することが示された。