다중 파장 고스트 이미징: 차세대 저용량 고해상도 기술

초록

고스트 이미징은 단일 픽셀 검출기로 강도 상관 데이터를 이용해 이미지를 복원하는 기법으로, 파장에 따라 조절기·검출기·전파 물리 특성이 달라진다. 본 리뷰는 XUV·X‑ray부터 THz·물질파까지 전 스펙트럼에 걸친 최신 구현 사례와, 압축 센싱·딥러닝 등 최신 알고리즘을 정리한다.

상세 분석

본 논문은 고스트 이미징(GI)의 이론적 기초와 실험적 구현을 파장별로 체계적으로 정리한다. 먼저, 양자 얽힘 기반 GI가 낮은 효율과 실용성 한계 때문에 고전적 의사열광원, 회전 디퓨저, 그리고 컴퓨테이셔널 GI(CGI)로 전환된 과정을 상세히 서술한다. CGI에서는 빔 스플리터를 통해 테스트 빔과 레퍼런스 빔을 분리하고, 테스트 빔은 객체에 투사 후 버킷(detector)으로 총광량을 측정한다. 레퍼런스 빔은 CCD 혹은 SLM/DMD와 같은 공간 해상도 장치를 통해 패턴을 기록하고, 두 신호의 2차 상관을 계산해 이미지 T(x,y)를 복원한다. 수식 (1)~(3)은 전통적, 차등(DGI), 정규화(NGI) 방식의 상관 연산을 보여주며, DGI는 전체 광량을 가중치로 사용해 투명·반사도가 높은 시료에서도 SNR을 크게 향상시킨다.

압축 센싱(CS) 이론을 도입함으로써 GI는 샘플링 레이트를 나이키스트 한계 이하로 낮출 수 있다. 측정 행렬 Φ와 변환 기저 Ψ를 이용해 y=Φx+η 형태의 선형 모델을 구성하고, ℓ1 정규화 최적화(식 5)를 통해 희소 계수 α를 복원한다. 이는 특히 고해상도 X‑ray·XUV GI에서 방사선량을 최소화하면서도 미세 구조를 재현하는 데 유리하다.

딥러닝 기반 접근법은 2017년부터 GI에 적용돼, 저샘플링·저신호‑대‑노이즈 비 환경에서 네트워크가 노이즈를 억제하고 구조적 왜곡을 보정한다. Liu et al.의 DLGI, He et al.의 GI‑CNN, Shimobaba et al.의 GAN 기반 복원 등은 모두 기존 CS‑GI보다 높은 PSNR·SSIM을 달성한다. 이러한 인공지능 기법은 다중 파장 GI에서 파장별 감도 차이를 보정하고, 실시간 영상화에도 기여한다.

파장별 구현 차이를 보면, 가시·NIR 영역에서는 SLM·DMD와 실리콘 포톤 디텍터가 성숙해 고속 라이다·수중 영상에 활용된다. UV(200–400 nm)에서는 양자 효율이 낮은 카메라 대신 325 nm 레이저와 단일 픽셀 검출기로 저비용 결함 검출이 가능하다. 중·장파 적외선(3–5 µm)에서는 차동 주파수 생성(DFG)으로 텔레콤 파장의 패턴을 변환해, 분자 지문 대역을 저광량에서도 탐지한다. THz(0.1–10 THz)에서는 초고속 FPA가 부족한 점을 보완해 비선형 스핀트로닉 소스와 버킷 검출기로 서브 디퓨전·3‑D 마이크로볼류메트리를 구현한다. X‑ray·XUV 영역에서는 싱크로트론·테이블탑 소스와 버킷 검출기로 마이크로미터·나노미터 해상도, 초저선량 이미징을 달성한다.

입자 기반 GI는 광자 외에도 원자·중성자·전자 등 물질파를 이용한다. BEC에서 생성된 얽힌 헬륨 원자는 마이크로미터 스케일 마스크 이미징을 가능하게 했으며, 고차 상관을 이용해 노이즈 억제가 검증되었다. 중성자 GI는 고Z 금속을 투과하면서 수소 등 경원소를 강조해 비파괴 검사에 유리하고, Gd₂O₃ 마스크와 Hadamard 코딩을 통해 압축 측정이 실현되었다. 전자 GI는 DMD‑구동 전자 빔을 이용해 기존 전자 현미경 대비 획득 시간·시료 손상을 수십 배 감소시켰다.

마지막으로, 논문은 GI 성능 평가에 RMSE, PSNR, CNR, SSIM, 공간 해상도 등 다중 지표를 제시하고, 각 파장·시스템에 맞는 최적화 전략을 제안한다. 전체적으로, 파장에 따라 조절기·검출기·전파 물리·노이즈 특성이 달라짐에도 불구하고, 2차 상관 원리를 기반으로 한 GI는 배열 검출기가 비효율적인 모든 스펙트럼에서 저용량·고감도·저손상 이미징을 구현할 수 있는 강력한 플랫폼임을 강조한다.