다중해상도 분석을 활용한 지진 이미지 해석 혁신

초록

본 논문은 가우시안 피라미드, 이산 웨이브릿 변환, 가보르 필터, 커브렛 변환 등 다중해상도 분석 기법을 텍스처 속성으로 활용하여 대규모 이동 지진 데이터의 구조를 자동 라벨링하는 방법을 제시한다. 네덜란드 F3 블록을 대상으로 한 실험에서, 이러한 다중해상도 속성이 단순 진폭 대비 라벨링 정확도를 크게 향상시켰으며, 특히 방향성을 갖는 커브렛 변환이 비방향성 기법보다 구조 구분에 뛰어난 성능을 보였다.

상세 분석

이 연구는 지진 영상 해석에서 텍스처 기반 특징 추출이 갖는 잠재력을 체계적으로 검증한다. 먼저 가우시안 피라미드는 이미지의 저주파 정보를 다중 스케일로 압축해, 큰 구조와 작은 세부를 동시에 포착한다. 그러나 피라미드 자체는 방향 정보를 제공하지 못하므로, 복잡한 지질 구조를 구분하는 데 한계가 있다. 이산 웨이브릿 변환(DWT)은 시간‑주파수 영역을 동시에 다루며, 수평·수직·대각선 세 방향의 세부 계수를 제공한다. DWT는 잡음에 강하고 계산 효율성이 높아 실시간 처리에 유리하지만, 고주파 방향성 표현이 제한적이다. 가보르 필터는 특정 주파수와 방향을 선택적으로 강조함으로써, 선형 구조나 층리와 같은 방향성 텍스처를 효과적으로 추출한다. 다만, 필터 파라미터 설정이 복잡하고, 다중 스케일을 동시에 다루기 위해서는 다수의 필터 뱅크가 필요해 연산량이 급증한다. 가장 혁신적인 부분은 커브렛 변환의 적용이다. 커브렛은 스케일·위치·방향을 3차원 파라미터화하여, 곡선형 및 비선형 구조를 고해상도로 표현한다. 특히, 지진 데이터에서 흔히 관찰되는 복합적인 단층, 복합체, 복굴곡 등을 정확히 기술할 수 있다. 실험에서는 네덜란드 F3 블록의 3D 마이그레이션 볼륨을 6가지 구조(예: 채널, 사암, 석회암, 복합체 등)로 라벨링했으며, 각 변환별 텍스처 특징을 SVM 분류기에 입력했다. 결과는 단순 진폭 기반 라벨링 대비, DWT와 가보르가 각각 약 8~12%의 정확도 향상을 보였고, 커브렛은 18% 이상, 특히 복합 구조 구분에서 25% 이상의 개선을 기록했다. 이는 방향성 정보를 포함한 다중해상도 특징이 지진 이미지의 복잡한 지질 패턴을 더 잘 포착한다는 강력한 증거다. 또한, 계산 비용 측면에서 커브렛 변환이 가장 무겁지만, GPU 가속 및 파라미터 최적화를 통해 실용적인 처리 시간을 달성했다. 이 연구는 향후 자동 해석 파이프라인에 다중해상도 텍스처를 통합함으로써, 인간 해석자의 주관적 판단을 보완하고 대규모 데이터셋에서 일관된 구조 인식을 가능하게 할 것으로 기대된다.