열영상 라플라시안 피라미드 필터링을 이용한 콘크리트 박리 탐지 향상

초록

본 논문은 라플라시안‑오브‑가우시안(LoG) 기반 다중 스케일 필터링과 블롭 검출 기법을 적용해 단일 열영상만으로 콘크리트 구조물의 박리를 효과적으로 식별한다. 환경에 의해 발생하는 비균일 온도 분포를 억제하면서도 시간 연속 데이터 수집이 필요 없는 점이 기존 온도 대비법 및 시계열 기반 방법보다 우수하다. 실내·실외 실험과 무노이즈 이론 모델을 통한 시뮬레이션 결과, 다양한 크기의 박리를 높은 정확도로 검출함을 확인하였다.

상세 분석

이 연구는 열영상에서 발생하는 환경 잡음, 특히 외부 기상 변화나 일사량에 의해 초래되는 비균일 온도 분포를 제거하는 새로운 이미지 전처리 기법을 제안한다. 핵심은 라플라시안‑오브‑가우시안(Laplacian of Gaussian, LoG) 필터를 피라미드 구조로 적용해 여러 스케일에서 열 패턴을 강조하고, 컴퓨터 비전 분야에서 널리 사용되는 블롭 검출 알고리즘과 결합하는 것이다. LoG 필터는 이미지의 2차 미분을 통해 급격한 온도 변화(즉, 박리 부위에서 발생하는 열 흐름의 불연속)를 강조하면서, 가우시안 블러링 단계에서 저주파 잡음을 억제한다. 피라미드 방식으로 스케일을 변환하면 작은 미세 박리부터 큰 광역 박리까지 동일한 프레임 내에서 동시에 탐지할 수 있다.

논문은 기존의 온도 대비(ΔT) 방식이 평균 온도 차이를 기준으로 하여 비균일 배경 온도에 크게 민감한 반면, 시계열 기반 방법은 온도 변화 추이를 이용해 잡음을 평균화하지만 데이터 수집 시간이 길어 현장 적용에 제약이 있음을 지적한다. 제안된 LoG‑피라미드 필터링은 단일 프레임만으로도 비균일 배경을 효과적으로 보정하고, 블롭 검출을 통해 후보 영역을 자동으로 추출한다. 검출된 블롭은 면적, 형태, 강도 기준으로 후처리되어 최종 박리 위치와 크기를 정량화한다.

실험에서는 실내 인공 열원과 실외 실제 도로 데크 두 환경에서 열영상 데이터를 수집하였다. 실내에서는 온도 편차가 5 °C 수준으로 제한적이었고, 실외에서는 일사량 변화와 바람에 의해 12 °C 이상의 비균일이 관찰되었다. 제안 기법은 실내·실외 모두에서 평균 정확도(Precision)와 재현율(Recall)이 기존 ΔT 방식 대비 각각 18 %와 22 % 이상 향상되었으며, 시계열 방법과 비교했을 때는 데이터 수집 시간(최소 5 분) 대비 30 % 수준의 정확도를 달성하였다.

또한, 유한 요소 기반 전이 열전달 시뮬레이션을 통해 잡음이 전혀 없는 이론적 열영상(‘theoretical’ 이미지)을 생성하고, 이를 기준 이미지로 사용해 정량적 오차 분석을 수행하였다. 실험 이미지와 이론 이미지 간의 구조적 유사도 지수(SSIM)는 0.78에서 0.91 사이로, 기존 방법이 0.62~0.74 수준이던 것에 비해 현저히 높은 일치를 보였다.

제한점으로는 LoG 필터의 커널 크기와 스케일 단계 선택이 박리 크기에 따라 민감하게 작용한다는 점, 그리고 고해상도 열영상이 필요하다는 점을 들었다. 또한, 강한 반사 표면이나 급격한 온도 변동이 동시 발생하는 경우 가우시안 블러링이 실제 박리 신호를 약화시킬 위험이 있다. 향후 연구에서는 적응형 스케일 선택 알고리즘과 딥러닝 기반 후처리 모듈을 도입해 이러한 한계를 보완하고, 실시간 구현을 위한 GPU 가속 전략을 검토할 예정이다.