산란 매체를 통한 컬러 영상 복원: 삼중 상관관계 기반 위상 회수

초록

본 논문은 산란 매체를 통과한 빛이 형성하는 복잡한 스펙클 패턴에서 물체의 공간 및 색상 정보를 복원하기 위해, 삼중 상관관계(triple correlation)를 이용한 위상 회수 기법을 제안한다. 이 방법은 공간 평균을 통해 물체의 푸리에 위상을 정확히 추정하고, 회전 정보를 보존한 채 색상 영상을 합성한다. 기존의 스펙트럼 포인트 스프레드 함수(PSF) 기반 방법에 비해 측정 절차가 간소화되고, 다중 파장에 대한 확장 가능성을 보인다.

상세 분석

이 연구는 산란 매체 뒤에 위치한 물체의 복원 문제를 ‘위상 회수’라는 수학적 프레임으로 재구성한다. 스펙클은 입사 파장의 전파가 무작위로 산란된 결과이지만, 통계적으로는 물체의 푸리에 변환 진폭과 위상이 모두 포함한다는 점이 핵심이다. 기존의 위상 회수 기법(예: Gerchberg‑Saxton, Hybrid Input‑Output)은 진폭 정보만을 이용해 반복적으로 위상을 추정한다. 그러나 이러한 방법은 회전 대칭성이나 색상 채널 간 위상 정렬에 취약해, 최종 이미지가 회전되거나 색상이 왜곡되는 문제가 있다.

삼중 상관관계는 세 개의 푸리에 스펙트럼을 곱한 뒤 평균을 취함으로써, 잡음과 무작위 위상 변동을 억제하고 순수한 물체 위상 정보를 추출한다. 논문에서는 ‘공간 평균화’를 수학적으로 증명하여, 무작위 산란 매체에 대한 통계적 평균이 물체의 고유 위상과 일치함을 보였다. 이 과정에서 필요한 가정은 (1) 산란 매체가 통계적으로 이방성 없이 균일하게 무작위성을 제공한다는 점, (2) 스펙클 패턴이 충분히 큰 영역을 커버한다는 점이다.

실험적으로는 레이저를 3가지 파장(레드, 그린, 블루)으로 변조하고, 각각의 파장에 대해 스펙클을 기록한다. 각 파장에 대해 삼중 상관관계를 적용해 푸리에 위상을 복원한 뒤, 역푸리에 변환을 수행해 복원된 회색조 이미지를 얻는다. 이후 색상 채널을 직접 합성함으로써 회전 없이 정확한 컬러 이미지를 재구성한다. 기존 PSF 기반 스펙트럼 회수와 비교했을 때, 측정 횟수가 파장당 한 번으로 줄어들고, 복원된 이미지의 구조적 왜곡이 현저히 감소한다.

이 방법의 장점은 (i) 회전 정보를 보존한다는 점, (ii) 다중 파장에 대해 별도의 PSF 측정 없이 동일한 삼중 상관관계 연산만으로 위상을 회수한다는 점, (iii) 스펙클 영역이 충분히 넓다면 단일 샘플링으로도 고해상도 복원이 가능하다는 점이다. 반면 제한점으로는 (a) 산란 매체가 완전한 통계적 균일성을 만족하지 않을 경우 평균화가 불완전해질 수 있다, (b) 매우 높은 스펙클 대조도(contrast)를 요구하므로 광원 안정성과 카메라 감도에 민감하다, (c) 현재는 2D 평면 영상에 국한되며, 3D 깊이 정보 복원에는 추가적인 알고리즘이 필요하다.

향후 연구 방향은 (1) 비균일 산란 매체에 대한 보정 모델을 도입해 적용 범위를 넓히는 것, (2) 시간 영역에서의 삼중 상관관계를 활용해 동적 영상이나 실시간 스펙트럼 이미징을 구현하는 것, (3) 딥러닝 기반 사전학습과 결합해 잡음에 강인한 위상 회수 파이프라인을 구축하는 것이다. 이러한 확장은 의료 영상, 원격 탐사, 보안 감시 등 광학적 투과가 어려운 환경에서 컬러 및 스펙트럼 정보를 획득하는 데 큰 잠재력을 제공한다.