퍼지 로직 기반 회색 이미지 추출 기법

초록

본 논문은 퍼지 규칙 기반 시스템을 이용해 잡음이 섞인 배경에서 회색 영상을 자동으로 분리하는 방법을 제안한다. 외부 파라미터 조정 없이 전 과정이 진행되며, MSE, MAE, PSNR 등 객관적 지표를 통해 기존 ANN·GA·히스토그램 기반 기법보다 우수함을 실험적으로 입증한다.

상세 분석

본 연구는 이미지 분할 및 추출 문제를 퍼지 논리(Fuzzy Logic)와 퍼지 규칙 기반 시스템(FRBS)으로 접근한다는 점에서 의미가 크다. 기존의 인공신경망(ANN)이나 유전 알고리즘(GA) 기반 방법은 대부분 지도학습 혹은 파라미터 튜닝이 필요해 실시간 혹은 자동화된 환경에 적용하기 어려웠다. 논문은 이러한 한계를 극복하기 위해 ‘퍼지 규칙 가이드’를 중심으로 한 비지도(Unsupervised) 프레임워크를 설계하였다. 구체적으로, 입력 영상의 회색 강도 히스토그램을 분석해 초기 퍼지 멤버십 함수를 정의하고, 전문가 지식에 기반한 IF‑THEN 규칙을 구축한다. 규칙은 ‘어두운 영역은 배경’, ‘중간 강도는 전경 가능성 높음’ 등 언어적 표현으로 기술되며, 퍼지 추론 엔진을 통해 각 픽셀에 대한 전경·배경 소속도를 계산한다. 이후 디퍼지화(Defuzzification) 단계에서 소속도 임계값을 자동으로 결정해 이진 마스크를 생성한다. 핵심은 ‘외부 개입 없이 자동 임계값 결정’과 ‘퍼지 규칙의 가변성’이다. 규칙 집합은 실험 단계에서 몇 차례의 교차 검증을 통해 최적화되지만, 실제 적용 시에는 사전 정의된 규칙만 사용한다는 점이 자동화 수준을 높인다.

성능 평가에서는 평균 제곱 오차(MSE), 평균 절대 오차(MAE), 신호대잡음비(PSNR) 세 가지 지표를 채택하였다. 실험에 사용된 데이터셋은 잡음이 가중된 회색조 영상 10종으로, 각각에 대해 기존 ANN 기반 소프트웨어, GA 기반 최적화, 히스토그램 평활화 기법과 비교하였다. 결과는 제안 방법이 MSE와 MAE에서 평균 15 %~20 % 개선을 보였으며, PSNR 역시 2 dB 이상 상승했다는 점에서 통계적으로 유의미한 우수성을 입증한다. 또한 연산 시간 측면에서도 퍼지 추론 단계가 비교적 경량이라 실시간 처리에 근접한 성능을 나타냈다.

하지만 몇 가지 한계점도 존재한다. 첫째, 퍼지 규칙 설계가 도메인 전문가의 주관적 판단에 의존한다는 점이다. 규칙이 복잡해질수록 추론 비용이 증가하고, 규칙 간 충돌 관리가 필요하다. 둘째, 현재는 회색조 영상에만 적용했으며, 컬러 영상이나 다중 스펙트럼 데이터에 대한 확장 가능성은 검증되지 않았다. 셋째, 잡음 모델이 가우시안에 국한돼 있어, 소금‑후추 잡음 등 비정형 잡음에 대한 강인성은 추가 실험이 요구된다. 전반적으로 퍼지 로직을 이용한 비지도 이미지 추출 접근은 기존 방법 대비 자동화와 해석 가능성 측면에서 강점을 가지며, 향후 규칙 자동 생성 및 다채널 확장 연구와 결합될 경우 실용성이 크게 확대될 것으로 기대된다.