잎맥 분할을 위한 홀 가보 필터와 형태학적 연산

초록

본 논문은 잎맥을 효과적으로 추출하기 위해 홀 가보 필터와 형태학적 연산을 결합한 새로운 분할 알고리즘을 제안한다. 홀 가보 필터는 미세한 섬유형 잎맥을 강하게 강조하고, 후속 형태학적 연산은 잡음을 제거하며 연속적인 맥 구조를 복원한다. 실험 결과, 기존 방법에 비해 정밀도와 재현율이 크게 향상되어 다양한 식물 종의 잎맥 패턴을 안정적으로 인식한다.

상세 분석

이 연구는 잎맥 이미지에서 미세하고 얇은 구조를 검출하는 데 초점을 맞추었다. 기존의 라플라시안, Sobel, Canny와 같은 에지 검출 기법은 강한 경계는 포착하지만, 얇은 섬유형 맥은 잡음에 취약하거나 과도하게 끊어지는 문제가 있었다. 이를 해결하기 위해 저자들은 홀(odd) 가보 필터를 선택하였다. 홀 가보 필터는 실수부가 0인 복소수 커널을 사용해 위상 정보를 보존하면서도 특정 방향과 주파수에 민감하게 반응한다. 특히, 필터 파라미터인 파장 λ와 방향 θ를 다중 스케일·다중 방향으로 설정함으로써 다양한 두께와 각도의 잎맥을 동시에 강조할 수 있다. 필터링 단계에서 얻어진 응답 이미지에는 강한 맥선과 약한 잡음이 혼재하므로, 후처리로 형태학적 연산을 적용한다. 먼저, 구조 요소가 긴 선형 형태인 ‘선형 팽창(Linear Dilation)’을 사용해 끊어진 맥을 연결하고, 이어서 ‘침식(Erosion)’과 ‘열림(Open)’을 통해 작은 잡음을 제거한다. 마지막으로 ‘골격화(Skeletonization)’를 수행해 맥의 중심선을 얇게 만들면서도 토폴로지를 유지한다. 실험에서는 30종 이상의 잎 이미지(해상도 1024×768)를 사용했으며, 정량적 평가지표인 정밀도(Precision), 재현율(Recall), F1-score를 기존 방법과 비교하였다. 홀 가보 필터 기반 방법은 평균 정밀도 0.92, 재현율 0.89, F1 0.905를 기록했으며, 특히 얇은 1~2픽셀 두께의 맥을 검출하는 데 있어 기존 Canny 기반 방법보다 15% 이상 높은 성능을 보였다. 또한, 파라미터 조정이 비교적 직관적이며, GPU 가속을 통해 실시간 수준(≈30fps)으로 처리할 수 있어 확장성도 검증되었다. 한계점으로는 매우 불규칙한 텍스처를 가진 잎(예: 다공성 표면)에서 잡음이 남을 수 있으며, 필터 스케일 선택이 과도하면 넓은 맥이 과다 강조되는 현상이 있다. 향후 연구에서는 적응형 스케일 선택과 딥러닝 기반 후처리를 결합해 이러한 문제를 보완할 계획이다.