수중 이미지 잡음 감소를 위한 다중 레벨 웨이브릿 변환 및 색상 잡음 추정 기법

본 논문은 수중 환경에서 촬영된 이미지가 겪는 색상 잡음(colored noise) 문제를 해결하기 위해, 다중 레벨 잡음 전력 추정과 이산 웨이브릿 변환(DWT)을 결합한 새로운 디노이징 프레임워크를 제시한다. 서론에서는 수중 이미지가 빛의 산란·흡수와 인간이 만든 소음(선박, 기계음) 및 자연 소음(바람, 비, 지진) 등 복합적인 잡음에 노출된다는 점을 강조하고, 이러한 잡음이 주파수에 따라 PSD가 변하는 비백색·비가우시안 특성을 가진다고 설명한다. 기존의 웨이브릿 기반 디노이징 기법은 주로 백색 잡음 가정을 전제로 전역 임계값을 적용해 왔으며, 이는 색상 잡음에 대해 효과가 제한적이다. 이에 저자는 먼저 10차 사전 화이트닝(pre‑whitening) 필터를 적용해 색상 잡음을 백색 잡음으로 변환한다. 이후 DWT를 수행하고, 각 레벨(k)별로 잡음 표준편차 σ_k를 추정한다. 기존의 보편 임계값(Universal Threshold, σ√(2 log N))을 수정한 ‘Modified Universal Threshold Estimation (MUTE)’을 도입하여, 임계값 T_k = c_k · σ_k · √(2 log N) 로 정의한다. 여기서 c_k는 레벨마다 0.1씩 증가시키는 가중치이며, 실험을 통해 최적값을 탐색한다. 임계값 적용은 소프트 임계값(soft‑thresholding)과 하드 임계값(hard‑thresholding) 두 가지 방식으로 수행되며, 본 연구에서는 소프트 임계값이 더 좋은 성능을 보였다. 웨이브릿 기반 함수는 Daubechies(db), Biorthogonal(bior), Symlet(sym) 세 종류를 사용했으며, 각각의 변환 결과를 비교하였다. 실험은 MATLAB 환경에서 수행되었고, 테스트 이미지로는 ‘다이버’ 사진을 사용하였다. 잡음 전력은 0 dB부터 15 dB까지 5단계로 변화시켰으며, 각 단계에서 PSNR와 MSE를 측정하였다. 결과는 다음과 같다. Symlet(특히 Sym4)에서는 잡음 전력이 0 dB일 때 PSNR 61.07 dB, MSE 0.0759를 기록했으며, 잡음 전력이 15 dB일 때도 PSNR 35.06 dB, MSE 0.392를 유지했다. Daubechies와 Biorthogonal도 유사한 경향을 보였지만, 최고 PSNR와 최소 MSE 측면에서 Symlet에 약간 뒤처졌다. 논문은 또한 PSNR 외에 일반적인 이미지 품질 지표인 NMSE, SNR 구간(>40 dB는 원본에 근접) 등을 언급하며, 제안 방법이 기존의 단일 레벨 추정 방식보다 높은 품질을 제공한다는 점을 강조한다. 결론에서는 수중 잡음이 비백색·비가우시안 특성을 가지므로, 레벨별 잡음 분산을 독립적으로 추정하는 것이 중요함을 재확인한다. 제안된 다중 레벨 MUTE와 사전 화이트닝 필터 조합은 PSNR과 MSE 측면에서 기존 방법보다 우수한 성능을 보였으며, 향후 연구에서는 다양한 이미지와 실제 수중 촬영 데이터, 추가 품질 지표(SSIM, UIQI) 등을 활용해 일반화와 실용성을 검증할 필요가 있음을 제시한다.