듀얼트리 웨이브렛 변환을 위한 그래디언트 기반 필터 설계

본 논문은 웨이브렛 변환이 신경망 구조와 결합될 때 얻을 수 있는 장점을 살펴보고, 특히 복소수 듀얼트리 웨이브렛 변환(DTCWT)에 적합한 필터를 그래디언트 기반 자동인코더를 이용해 학습하는 방법을 제안한다. 연구는 크게 네 부분으로 구성된다. 1. **배경 및 문제 정의** 기존 실수형 2D 웨이브렛 변환은 선형 시간 알고리즘과 다중 해상도 분석이라는 장점에도 불구하고, 시프트 변이, 고주파 진동, 방향성 부족, 앨리어싱이라는 네 가지 근본적인 한계를 가진다. 특히 이미지와 같은 2차원 신호에서는 대각선 방향을 효과적으로 포착하지 못해 시각적 아티팩트가 발생한다. 이러한 문제를 해결하기 위해 복소수 듀얼트리 구조가 제안되었으며, 두 개(실수형) 혹은 네 개(복소형)의 트리를 이용해 6~12개의 디테일 밴드를 제공함으로써 방향성을 크게 향상시킨다. 2. **DTCWT 수학적 정의 및 구현** 논문은 1D·2D 웨이브렛 변환의 기본 식을 재정리하고, DTCWT에서 사용되는 q‑shift 필터와 쿼드러처 미러 조건을 명시한다. 첫 번째 트리와 두 번째 트리의 스케일링 필터 h₁, h₂는 h₂