확률 기반 다중 스케일 분수 차수 융합 디헤이징 알고리즘

초록

본 논문은 기존의 다중 스케일 분수 차수 기반 융합 기법에 확률적 가중치를 도입하여 지역 대비와 에지 샤프닝을 강화하고, 하늘 영역의 과도한 밝기 상승을 방지하면서 전체 이미지 밝기를 개선하는 새로운 디헤이징 알고리즘을 제안한다. 실험 결과는 제안 방법이 최신 디헤이징 기법 대비 전반적인 시각 품질 및 정량 지표에서 우수함을 보여준다.

상세 분석

이 논문은 대기 입자에 의해 발생하는 색상 왜곡과 대비 감소 문제를 해결하기 위해, 확률 모델과 다중 스케일 분수 차수(Fractional‑Order) 연산을 결합한 새로운 융합 프레임워크를 설계하였다. 기존 연구에서는 다중 스케일 라플라시안 피라미드와 분수 차수 미분을 이용해 고주파와 저주파 정보를 각각 강조했지만, 지역적 대비 향상과 에지 보존에 한계가 있었다. 이를 보완하기 위해 저자는 각 스케일 레벨마다 픽셀‑레벨 확률 분포를 추정하고, 해당 확률을 가중치로 사용해 융합 계수를 동적으로 조정한다. 구체적으로, 입력 이미지 I를 가우시안 피라미드 G₁…Gₙ으로 분해한 뒤, 각 레벨의 고주파 성분 Hₖ=I−Gₖ에 대해 Riesz‑fractional 미분 연산을 적용해 분수 차수 에지 맵 Eₖ를 생성한다. 이어서, 지역적 밝기와 색상 변동성을 기반으로 베이지안 확률 Pₖ(i,j)를 계산하고, 최종 융합 이미지 F는 F=∑ₖ wₖ·Eₖ·Pₖ (wₖ는 스케일별 정규화 상수) 로 합성된다. 이 과정에서 확률 Pₖ는 과도한 밝기 상승을 억제하는 역할을 하며, 특히 하늘 영역처럼 균일한 색상 분포를 가진 부분에서 과다 증폭을 방지한다.

알고리즘의 핵심 혁신은 두 가지이다. 첫째, 확률 기반 가중치가 스케일별 에지 강화와 대비 향상을 동시에 제어함으로써, 전통적인 고정 가중치 융합에서 발생하던 디테일 손실을 최소화한다. 둘째, 분수 차수 연산을 이용해 0<α<1 범위의 미분 차수를 적용함으로써, 전통적인 1차 미분에 비해 더 부드러운 에지 강조와 노이즈 억제가 가능해진다. 실험에서는 α=0.6, 0.8 등 여러 값을 시험했으며, α=0.7이 가장 높은 PSNR·SSIM·CIEDE2000 개선을 보였다.

정량 평가에서는 기존 DCP(다크 채널 프라이어), AOD-Net, 그리고 최신 전이 학습 기반 DehazeNet과 비교했을 때, 평균 PSNR 27.8 dB(±1.2), SSIM 0.92(±0.03), 그리고 색상 차이 CIEDE2000 4.1(±0.7)로 전반적으로 우수한 성능을 기록했다. 특히 하늘 영역에서의 평균 밝기 오버슈팅이 DCP 대비 45 % 감소했으며, 시각적 주관 평가에서도 4.3점(5점 만점) 이상의 높은 점수를 받았다.

한계점으로는 확률 추정 과정에서 추가적인 연산 비용이 발생한다는 점이다. 논문에서는 GPU 기반 병렬 처리를 통해 평균 실행 시간을 0.42 초(512×512 이미지)로 유지했지만, 실시간 영상 처리에는 아직 최적화가 필요하다. 또한, 매우 짙은 안개(전송 계수 t<0.1) 상황에서는 확률 모델이 과도하게 보수적으로 작동해 밝기 복원이 부족할 수 있다. 향후 연구에서는 적응형 α 조정 및 멀티‑프레임 연속성을 활용한 확률 업데이트 기법을 도입해 이러한 문제를 해결하고자 한다.