상업용 신발 프린트의 임계값 기반 색인 및 복원 이미지 생성

초록

본 논문은 상업용 신발 사진을 회색조 변환 후 히스토그램 기반 강화, 역필터링 복원, 전역 임계값 분할을 적용해 색인 파라미터를 추출하고 데이터베이스에 저장함으로써 현장 신발 프린트와의 매칭을 용이하게 하는 방법을 제시한다.

상세 요약

이 연구는 범죄 현장에서 흔히 간과되는 신발 프린트를 디지털 증거로 활용하기 위해, 상업적으로 유통되는 신발 이미지들을 정형화된 색인 데이터베이스로 전환하는 전 과정을 제시한다. 먼저 원본 컬러 이미지를 회색조로 변환함으로써 색상 정보의 복잡성을 제거하고, 히스토그램 평활화 기법을 이용해 대비를 향상시켜 미세한 패턴까지 드러나게 한다. 이어서 역필터링(inverse filtering) 방식을 적용해 이미지 복원을 수행하는데, 이는 촬영 과정에서 발생할 수 있는 블러와 잡음을 감소시켜 원본 신발 밑창의 텍스처를 보존한다는 점에서 의미가 있다. 가장 핵심적인 단계는 전역 임계값(global threshold) 기반의 이미지 분할이다. 저자들은 단일 임계값을 전체 이미지에 적용해 이진화하고, 이진화된 영역의 면적, 형태, 모양 인자를 색인 파라미터로 추출한다. 이러한 파라미터는 데이터베이스에 저장되어 현장에 남은 신발 프린트와의 유사도 계산에 활용된다.

기술적인 강점으로는 전처리 단계에서 히스토그램 방법과 역필터링을 조합해 신호 대 잡음비(SNR)를 개선한 점, 그리고 색인 파라미터를 전역 임계값 하나로 단순화해 검색 효율성을 높인 점을 들 수 있다. 그러나 몇 가지 한계도 존재한다. 전역 임계값은 조명 변화나 프린트 압력 차이에 민감하게 반응할 수 있어, 다양한 현장 조건에서 일관된 색인 품질을 보장하기 어렵다. 또한 역필터링은 정확한 PSF(point spread function)를 사전에 알아야 하는데, 실제 현장 사진에서는 PSF를 추정하기가 쉽지 않다. 실험 결과는 시뮬레이션 기반으로 제한적이며, 실제 범죄 현장 사진을 이용한 검증이 부족하다. 향후 연구에서는 적응형 임계값(Otsu, Sauvola 등)이나 머신러닝 기반 특징 추출을 도입해 강인성을 강화하고, 대규모 실제 데이터셋을 통한 정량적 평가가 필요하다.