Vigna 종 구분을 위한 새로운 하이브리드 스펙트럼 유사도 측정법

초록

본 논문은 스펙트럼 상관각(SCA)과 스펙트럼 정보 발산(SID)을 결합한 새로운 하이브리드 유사도 지표를 제안한다. 기존의 스펙트럼 각도 매퍼(SAM)·SID 혼합 방식보다 400 nm–700 nm 가시광선 영역에서 상대적 구분 능력이 향상됨을 실험적으로 입증하였다. 평가 지표로는 상대 스펙트럼 구분력(RSDP), 상대 구분 확률(RDP), 상대 구분 엔트로피(RDE)를 사용하였다.

상세 분석

본 연구는 고차원 하이퍼스펙트럼 데이터를 벡터로 모델링하고, 이들 벡터 간 유사도를 측정하는 두 전통적 방법인 스펙트럼 각도 매퍼(SAM)와 스펙트럼 정보 발산(SID)의 한계를 보완하고자 한다. SAM은 두 스펙트럼 벡터 사이의 각도를 계산해 형태적 유사성을 평가하지만, 절대 반사율 값에 민감해 조명 조건이나 센서 노이즈에 취약하다. 반면 SID는 스펙트럼을 확률 분포로 정규화하여 밴드 간 변동성을 확률적 관점에서 해석하지만, 스펙트럼의 전체 형태보다는 상대적 차이에 초점을 맞추어 구분력이 제한적이다.

이 두 방법을 단순히 결합한 기존 하이브리드(SAM + SID)는 각 방법의 장점을 일부 활용했지만, SAM이 여전히 절대값에 의존한다는 구조적 문제를 안고 있다. 이를 해결하기 위해 저자는 Pearson 상관계수의 각도 형태인 스펙트럼 상관각(SCA)을 도입하였다. SCA는 두 벡터를 평균-표준편차로 정규화한 후 코사인 유사도를 계산하므로, 스케일 차이나 배경 밝기 변화에 강인하다. 즉, SCA는 SAM이 갖는 절대값 의존성을 제거하고, 벡터의 형태(패턴)만을 강조한다.

제안된 하이브리드 지표는 SCA와 SID를 곱하거나 가중합하는 형태로 구현되었으며, 이는 (1) 형태 기반 유사도와 (2) 확률 기반 밴드 차이를 동시에 고려한다는 점에서 기존 방법보다 정보량이 풍부하다. 실험에서는 Vigna 속(예: V. radiata, V. angularis, V. mungo 등)의 실험실 측정 스펙트럼을 400 nm–2500 nm 전체 파장대와 세부 구간(가시광선 400–700 nm, 근적외선 700–1300 nm, 장파근적외선 1300–2500 nm)으로 나누어 평가하였다.

평가 지표는 다음과 같다.

• 상대 스펙트럼 구분력(RSDP): 동일 종 내 평균 거리 대비 종 간 평균 거리 비율로, 값이 클수록 구분력이 좋다.
• 상대 구분 확률(RDP): 혼동 행렬 기반으로 올바르게 구분될 확률을 종합한 지표.
• 상대 구분 엔트로피(RDE): 정보 이론적 관점에서 구분 결과의 불확실성을 정량화한다.

결과는 가시광선 영역에서 제안된 SCA + SID 하이브리드가 RSDP를 기존 SAM + SID 대비 약 12 % 상승시켰으며, RDP와 RDE 역시 유의미하게 개선되었음을 보여준다. 근적외선 및 장파근적외선 구간에서는 차이가 미미했지만, 전체 파장대 통합에서는 여전히 우수한 성능을 유지한다. 이는 Vigna 종의 주요 구분 특징이 주로 색채(가시광선) 정보에 집중돼 있음을 시사한다. 또한, 정규화 과정에서 SCA가 조명 변동에 강인함을 입증함으로써 현장 적용 가능성을 높였다.

이러한 분석을 통해 제안된 하이브리드 측정법은 (i) 스펙트럼 형태와 확률적 변동을 동시에 포착, (ii) 조명·센서 변동에 대한 내성을 확보, (iii) 가시광선 영역에서 높은 구분 효율을 제공한다는 세 가지 핵심 장점을 갖는다. 향후 작물 품종 식별, 병해충 탐지, 원격 감시 등 다양한 원격 탐사 응용 분야에 적용 가능성이 기대된다.