교량 갑판 열화상 영상의 배경 보정 및 박리 탐지를 위한 그레이스케일 형태학적 재구성 기법

초록

본 연구는 UAV 기반 열화상 영상을 이용해 교량 갑판의 박리(Delamination)를 탐지할 때, 환경에 따른 온도 편차가 검출 성능을 저하시키는 문제를 해결하고자 한다. 저자는 사전 정의된 온도 대비값을 이용해 반복적인 그레이스케일 형태학적 재구성을 수행, 비균일한 열배경을 추정하고 이를 원본 영상에서 빼어 잔차 영상을 만든다. 잔차 영상에 기존의 전역 임계값 및 K‑means 군집화 방법을 적용한 결과, 현장 해머 사운드 테스트와 비교했을 때 박리 검출 정확도가 크게 향상되었으며, 과대·과소 추정 문제가 크게 감소하였다. 또한 온도 대비값 선택과 반복 종료 기준에 대한 논의를 통해 파라미터 튜닝의 필요성을 제시한다.

상세 분석

이 논문은 교량 갑판의 박리 결함을 비접촉식으로 탐지하기 위해 UAV(무인항공기)와 열화상 카메라를 결합한 NDT(비파괴검사) 시스템을 적용한 사례연구이다. 기존 열영상 기반 결함 탐지는 온도 변동에 민감한데, 특히 일교차, 일사량, 바람 등 외부 환경 요인에 의해 배경 온도가 비균일하게 분포한다. 이러한 비균일 배경은 전역 임계값(global threshold)이나 K‑means와 같은 군집화 기법이 가정하는 ‘균일한 배경 + 국부적인 온도 차이’ 모델을 깨뜨려, 박리 영역을 과소 혹은 과대 추정하게 만든다. 저자는 이를 해결하기 위해 ‘그레이스케일 형태학적 재구성(morphological reconstruction)’을 활용한 배경 추정 전처리 과정을 제안한다. 핵심 아이디어는 먼저 사용자가 사전에 정의한 온도 대비값(contrast)을 기준으로 원본 열영상에 최소화(minimum) 연산을 적용해 구조 요소(Structuring Element)를 만든 뒤, 반복적인 팽창(dilation) 연산을 통해 배경을 점진적으로 복원한다. 이때 반복은 잔차 이미지(원본‑배경)의 변화량이 사전 설정된 정지 기준(stop criterion) 이하가 될 때까지 진행한다. 결과적으로 얻어진 배경 이미지가 원본에서 빼지면, 배경에 의해 억제되던 박리의 온도 차이가 강조된 잔차 영상이 생성된다.

잔차 영상에 기존의 두 가지 정량화 방법을 적용했을 때, 원본 영상 대비 다음과 같은 장점이 확인되었다. 첫째, 전역 임계값을 적용했을 때 배경 온도 변동으로 인한 임계값 설정 오류가 크게 감소한다. 둘째, K‑means 군집화는 온도 히스토그램이 두드러진 피크를 형성하도록 유도되어, 박리와 비박리 영역을 보다 명확히 구분한다. 현장 검증을 위해 동일 교량에 대해 해머 사운드 테스트(음향 탐지)를 수행했으며, 잔차 영상 기반 검출 결과가 실제 박리 위치와 면적을 높은 정밀도로 재현함을 확인했다.

하지만 논문은 몇 가지 한계점도 언급한다. 온도 대비값을 사전에 선택해야 하는데, 이는 현장 환경(날씨, 시간대, 재료 특성)에 따라 달라질 수 있다. 또한 반복 종료 기준을 너무 느슨하게 잡으면 배경 추정이 과도하게 진행되어 실제 결함 신호가 소멸될 위험이 있다. 저자는 향후 자동 파라미터 최적화 기법(예: 머신러닝 기반 메타휴리스틱)과 다양한 교량 유형·재료에 대한 일반화 검증이 필요하다고 제안한다. 전반적으로 형태학적 재구성을 통한 배경 보정은 열영상 기반 구조물 결함 탐지의 정확도를 크게 향상시킬 수 있는 실용적인 전처리 방법으로 평가된다.