PolSAR 영상의 확률 엔트로피와 거리 기반 에지 검출 비교

본 논문은 폴라리메트릭 합성 개구 레이더(PolSAR) 영상에서 에지를 검출하는 새로운 프레임워크를 제시한다. PolSAR 데이터는 다중채널 복소값을 갖는 행렬 형태의 관측값으로, 스펙클이라는 곱셈성 잡음에 크게 영향을 받는다. 이러한 특성을 반영하기 위해 저자는 스케일된 복소 Wishart 분포를 기본 통계 모델로 채택하였다. 기존 연구에서는 20픽셀 폭의 스트립을 사용했으나, 본 연구는 Bresenham 알고리즘을 이용해 1픽셀 폭의 레이를 생성함으로써 가장 얇은 데이터 스트립에서 전이점을 탐색한다. 전이점은 두 개의 서로 다른 Wishart 군집(전/후 영역) 사이에 존재한다고 가정하고, 각 스트립을 j 라는 인덱스로 구분한다. 에지 검출은 총 7가지 통계적 기준에 기반한다. 첫 번째는 전통적인 최대우도(log‑likelihood) 방법으로, 두 번째부터 다섯 번째는 h‑φ 클래스에 속하는 네 가지 거리(Kullback‑Leibler, Rényi, Bhattacharyya, Hellinger) 를 이용한다. 이 거리들은 Wishart 모수(공분산 행렬 Σ와 룩 수 L)에 대한 폐쇄형 식으로 유도되어, 계산 복잡도를 크게 낮춘다. 여섯 번째와 일곱 번째는 Shannon 및 Rényi 엔트로피 차이를 이용한 검정 통계량이다. 엔트로피 기반 방법은 데이터의 전체 불확실성을 고려함으로써, 단순 거리보다 잡음에 강인한 특성을 보인다. 각 기준에 대해 전이점 후보 j 를 찾는 최적화 문제를 정의하고, 해당 함수값을 최대화하는 j 를 에지 위치 추정값으로 채택한다. 전이점들을 모두 수집한 뒤, B‑스플라인 보간을 적용해 연속적인 에지 곡선을 만든다. 이 과정은 초기 중심점(C) 선택(자동·반자동·수동) → 레이 방사 → 스트립 데이터 수집 → 전이점 검출 → 스플라인 연결의 5단계로 구성된다. 성능 평가는 두 축으로 진행된다. 첫째, Monte‑Carlo 시뮬레이션을 통해 다양한 룩 수(L), SPAN, 공분산 행렬 차이, 그리고 공간 해상도(픽셀 크기) 조건에서 정확한 에지 검출 확률과 연산 시간을 측정한다. 둘째, 실제 다중룩 PolSAR 이미지 세 개(도시, 농경, 자연 환경)를 대상으로 적용해 시각적 및 정량적 결과를 비교한다. 실험 결과, Bhattacharyya 거리와 Shannon 엔트로피 차가 다른 방법에 비해 높은 검출 정확도와 비교적 짧은 연산 시간을 동시에 달성한다는 것이 확인되었다. 특히 Bhattacharyya 거리의 로그 형태가 잡음에 대한 민감도를 낮추고, Shannon 엔트로피 차는 전체 공분산 구조를 포괄적으로 반영해 복합 텍스처 변화를 효과적으로 포착한다. 반면, Kullback‑Leibler 거리와 Hellinger 거리는 계산량이 많아 시간이 오래 걸리며, Rényi 거리와 Rényi 엔트로피는 파라미터 β 선택에 따라 성능이 크게 변동한다. 결론적으로, 본 연구는 PolSAR 영상에서 에지를 검출할 때 거리 기반과 엔트로피 기반 방법을 각각 혹은 결합하여 사용할 수 있음을 제시한다. 특히 Bhattacharyya 거리와 Shannon 엔트로피 차는 잡음 억제와 경계 정밀도 사이의 최적 균형을 제공하므로, 실무 적용 시 우선 고려할 만한 후보이다. 향후 연구에서는 다중전이점 상황(복합 경계)과 비정상적인 룩 수 변동을 다루는 확장 모델, 그리고 딥러닝 기반 사전 처리와의 융합을 탐색할 계획이다.