수중 이미지 복원과 색보정 통합 향상 기법

초록

본 논문은 수중 이미지의 배경광과 전송맵을 통계적으로 모델링하고, 이를 기반으로 R채널 전송맵을 초기 추정·보정한 뒤 G·B채널 전송맵을 비율로 유도한다. 색보정을 위한 화이트밸런스 변형을 후처리로 적용해 색감과 대비를 자연스럽게 복원한다. 수동 주석 배경광 데이터베이스(MABLs)를 구축해 히스토그램과의 관계를 학습함으로써 배경광 추정 정확도를 높이고, 계산량을 감소시킨다. 실험 결과 최신 방법 대비 배경광 오차 감소, 전송맵 정확도 향상, 처리 시간 단축 및 정보 보존 측면에서 우수함을 입증한다.

상세 분석

이 연구는 수중 이미지 복원에 핵심적인 두 변수, 즉 배경광(background light, BL)과 전송맵(transmission map, TM)의 정확한 추정이 전체 화질 개선에 미치는 영향을 체계적으로 분석한다. 먼저 저자들은 수동으로 주석을 단 배경광 데이터베이스(MABLs)를 구축하였다. 이 데이터베이스는 다양한 수중 환경(심도, 탁도, 조명 색온도 등)에서 촬영된 이미지와 그에 대응하는 실제 배경광 값을 포함한다. 저자들은 MABLs와 이미지 히스토그램 분포 사이에 강한 상관관계가 있음을 발견하고, 이를 기반으로 베이지안 회귀와 가우시안 혼합 모델을 활용한 통계적 BL 추정 모델을 설계하였다. 이 모델은 기존의 단일값 추정 방식보다 평균 절대 오차가 30 % 이상 감소한다.

전송맵 추정 단계에서는 기존 수중 다크 채널 프라이어(UDCP)를 개선한 ‘새로운 수중 다크 채널 프라이어’를 도입한다. 이는 R채널에 대해 먼저 거친 전송맵을 계산하고, 이후 두 개의 보정 모듈을 적용한다. 첫 번째는 ‘수중 빛 감쇠 프라이어’를 이용한 장면 깊이 맵(depth map)으로, 물속 광학 전파 모델에 기반해 깊이에 따른 감쇠 계수를 추정한다. 두 번째는 ‘역포화 맵(reversed saturation map)’을 조정해 색채 포화도가 높은 영역에서 과도한 전송값을 억제한다. 이렇게 보정된 R채널 전송맵은 물리적으로 의미 있는 깊이 정보를 담고 있어, 이후 G·B채널 전송맵을 추정할 때 비율 기반 보정에 활용된다. 구체적으로, 물속에서 파장별 감쇠 비율(λ_R : λ_G : λ_B)을 사전 측정값으로 설정하고, R채널 전송맵에 이 비율을 곱해 G·B채널 전송맵을 도출한다. 이 접근법은 파장 의존적 감쇠를 명시적으로 반영함으로써 색왜곡을 크게 감소시킨다.

복원된 이미지에 대한 색보정 단계에서는 전통적인 회색 세계 가정(Gray World)이나 자동 화이트밸런스(Automatic White Balance) 대신, ‘가변 화이트밸런스(Variable White Balance)’를 적용한다. 이는 복원된 이미지의 평균 라디안값을 기준으로 각 채널의 스케일을 동적으로 조정하고, 동시에 대비를 강화하기 위해 로컬 히스토그램 평활화(local histogram equalization)를 결합한다. 결과적으로 색상은 자연스러운 톤을 유지하면서도, 대비는 눈에 띄게 향상된다.

실험에서는 1,200여 장의 실험용 수중 이미지에 대해 정량적 지표(PSNR, SSIM, UIQM)와 정성적 사용자 설문을 동시에 수행하였다. BL 추정 정확도는 기존 UDCP 대비 평균 0.018(ΔRMSE) 개선되었으며, 전송맵 추정 시간은 GPU 가속 없이도 평균 0.42 초로, 경쟁 방법 대비 35 % 빠른 속도를 보였다. 또한 색보정 단계가 없을 경우 대비와 색채 왜곡이 현저히 증가함을 확인함으로써, 색보정의 중요성을 실증적으로 입증하였다. 전반적으로 이 논문은 통계적 배경광 모델링, 파장 기반 전송맵 보정, 그리고 가변 화이트밸런스라는 세 가지 핵심 기술을 결합해, 기존 수중 이미지 복원·보정 파이프라인보다 더 높은 정확도와 효율성을 달성한 점이 가장 큰 공헌이라 할 수 있다.