공중 적외선 영상으로 교량 데칼멘테이션 분할: 정규화 회색조 형태학 재구성 및 기울기 통계

초록

본 논문은 교량 갑판의 비균일한 열배경으로 인해 발생하는 온도 잡음을 극복하고, 공중 적외선 영상을 이용해 데칼멘테이션(박리) 영역을 정확히 분할하는 새로운 프레임워크를 제안한다. 회색조 형태학 재구성을 기반으로 지역 최대값을 추출하고, 가중치 감쇠 함수를 적용해 재구성을 정규화한다. 이후 경계에서 추출한 온도 기울기의 평균과 변동계수를 이용해 실제 박리 영역을 판별한다. 실험실 모형과 현장 교량에 적용한 결과, 기존의 전역 임계값 및 k‑means 군집화 방법보다 높은 정확도와 강인성을 보였다.

상세 분석

이 연구는 교량 갑판의 열영상에서 비균일한 배경 온도 변화가 박리 탐지를 방해한다는 문제점을 정확히 짚어낸다. 기존의 전역 임계값(global threshold)이나 k‑means 기반 군집화는 배경이 균일하다는 전제하에 동작하지만, 실제 현장에서는 일조, 바람, 표면 거칠기 등으로 인해 온도 분포가 크게 달라진다. 저자는 이러한 비균일성을 극복하기 위해 ‘top‑down’ 접근법을 채택한다. 먼저 회색조 형태학 재구성(gray‑scale morphological reconstruction)을 이용해 이미지의 지역 최대값(regional maxima)을 찾아낸다. 여기서 핵심은 가중치 감쇠(weight‑decay) 함수를 도입해 재구성 과정에서 높은 영역은 더 큰 오프셋을, 낮은 영역은 작은 오프셋을 부여함으로써 지역 최대값이 서로 병합·소멸되는 현상을 억제한다. 이는 기존 형태학 재구성에서 전역 오프셋을 사용했을 때 발생하는 ‘maxima merging’ 문제를 효과적으로 해결한다.

재구성 후 얻어진 지역 최대값 후보들은 온도 기울기(gradient) 정보를 통해 최종적으로 선별된다. 저자는 경계에서 계산된 기울기의 평균값(mean)과 변동계수(CV)를 특징으로 삼아, 박리 영역은 기울기가 일정하고 변동이 낮은 특성을 가진다고 가정한다. 실제로 박리 영역은 열전도율 차이와 깊이에 따라 온도 변화가 뚜렷하고, 주변 배경보다 일정한 기울기를 보인다. 따라서 k‑means와 같은 밀도 기반 군집화가 아닌, 통계적 기준(mean ± σ·CV)으로 후보를 필터링한다.

실험 설계는 두 단계로 구성된다. 첫 번째는 실험실 콘크리트 슬래브에 인공적으로 만든 박리 구역을 열원(히터)으로 가열해 열영상 데이터를 수집하고, 제안 방법과 기존 방법을 비교한다. 두 번째는 네브래스카 주에 위치한 실제 교량 갑판을 드론으로 촬영한 열영상에 적용한다. 두 경우 모두 제안 프레임워크는 비균일 배경에서도 지역 최대값을 유지하고, 기울기 통계에 기반한 필터링으로 잡음에 강인한 결과를 도출한다.

성능 평가는 정밀도, 재현율, F1‑score 등 표준 지표와 함께 시각적 결과를 제시한다. 전역 임계값 방식은 배경 온도 차이 때문에 과다 검출 혹은 미검출이 빈번했으며, k‑means는 군집 수 선택에 민감해 현장 적용이 어려웠다. 반면 제안 방법은 배경 추정 없이도 자동으로 박리 영역을 식별하고, 파라미터(가중치 감쇠 계수, 기울기 통계 임계값) 선택이 비교적 직관적이며, 제한적인 파라미터 튜닝만으로도 일관된 성능을 보여준다.

한계점으로는 가중치 감쇠 함수의 형태와 스텝 크기 Δt가 이미지 해상도와 열원 강도에 따라 달라질 수 있다는 점, 그리고 기울기 통계가 박리 깊이에 따라 변동될 수 있어 깊이별 보정이 필요할 가능성이 있다. 또한, 매우 높은 온도 변동이 있는 경우(예: 직사광선 직사)에는 지역 최대값 자체가 왜곡될 위험이 있다. 향후 연구에서는 다중 스케일 형태학 재구성과 딥러닝 기반 후처리를 결합해 이러한 한계를 보완하고, 실시간 UAV 적용을 위한 연산 최적화 방안을 모색할 수 있다.