이중 모델 기반 자동 정규화 파라미터 선택

초록

본 논문은 X‑ray CT 재구성에서 정규화 파라미터를 자동으로 결정하기 위해 두 개의 서로 다른 격자 모델을 이용한 피드백 제어 방식을 제안한다. 동일한 sinogram을 두 격자에 각각 적용해 얻은 재구성 결과의 구조적 유사도(SSIM)를 측정하고, 목표 유사도값에 도달하도록 정규화 강도 α를 로그 도메인에서 비례 제어기로 조정한다. 실험 결과, 제안 방법은 TV 및 Tikhonov 정규화 모두에서 안정적으로 수렴하며, 기존 L‑curve·불일치 원칙보다 세부 구조 보존에 유리함을 보였다.

상세 분석

이 논문은 전통적인 정규화 파라미터 선택이 사전 지식이나 노이즈 수준에 크게 의존한다는 한계를 인식하고, 이를 제어 이론의 관점에서 재구성한다. 핵심 아이디어는 동일한 투영 데이터(y)를 두 개의 서로 다른 기하학적 격자(A와 Aθ)에서 독립적으로 역문제를 풀어, 격자별 수치 오차가 서로 다른 “노이즈” 형태로 나타나게 하는 것이다. 정규화 파라미터 α가 작을 때는 두 재구성 결과가 서로 크게 달라 낮은 SSIM 값을 보이며, α가 증가함에 따라 격자 특유의 잡음이 억제되고 실제 신호가 두 격자에 걸쳐 일관되게 드러나면서 SSIM이 단조적으로 상승한다는 가정이 제시된다. 이 단조성은 회전 각도 θ가 90° 배수가 아니고, 정규화가 과도하게 강해지지 않는 범위(α→∞ 전)에서 성립한다.

제어기는 로그 스케일에서 α를 업데이트한다는 점에서 규모 불변성을 확보한다. 구체적으로 log10(α_{k+1}) = log10(α_k) + Kp·e_k, 여기서 e_k = S_ref – S_k이며 S_k는 현재 SSIM, S_ref는 사용자가 지정한 목표 유사도이다. Kp는 0.5로 고정되어 있어, 오차가 클수록 α가 기하급수적으로 증가한다. 수렴 조건은 |e_k| ≤ ε가 N번 연속으로 만족될 때이며, ε=0.05, N=5로 설정돼 일시적인 SSIM 변동에 의한 조기 종료를 방지한다.

실험에서는 두 개의 실제 데이터셋(월넛, 파인콘)과 두 종류의 정규화(TV, Tikhonov)를 조합해 검증하였다. 초기 α=10⁻⁶에서 시작해 제어기가 목표 SSIM(월넛 TV는 0.95, 파인콘 TV는 0.90 등)에 도달할 때까지 자동으로 α를 증가시켰다. 결과는 SSIM-α 곡선이 거의 완전한 단조성을 보이며, 목표값에 도달한 시점에서 재구성 품질이 눈에 띄게 향상됨을 확인했다. 특히 과도한 정규화(α≈10⁻⁴ 수준)에서는 SSIM이 인위적으로 높아지지만 세부 구조가 소실되는 현상이 관찰돼, 단순히 SSIM을 최대화하는 것이 최적이 아님을 강조한다.

비교 실험에서는 L‑curve와 불일치 원칙을 적용했을 때 두 방법 모두 높은 α를 선택해 매우 부드러운 결과를 만들었으며, 이는 높은 SSIM(>0.98)에도 불구하고 세부 디테일이 크게 감소하는 결과를 초래했다. 반면 제어 기반 방법은 사용자가 정의한 낮은 SSIM 목표값(예: 0.95)에서 멈추어, 잡음은 충분히 억제하면서도 경계와 미세 구조를 보존한다. 이는 SSIM을 “품질 지표”라기보다 “안정성 지표”로 활용하고, 원하는 품질 수준을 직접 지정함으로써 전통적 휴리스틱이 제공하지 못하는 사용자 맞춤형 조정을 가능하게 한다.

한계점으로는 SSIM이 실제 재구성 품질을 완전히 대변하지 못할 수 있다는 점과, 단조성 가정이 격자 회전 각도, 정규화 종류, 데이터 노이즈 수준에 따라 깨질 가능성이 있다는 점을 언급한다. 또한 현재는 단순 비례 제어(P‑제어)만 사용했으며, 적분·미분 항을 포함한 PID 제어나 적응형 게인 조정이 향후 성능 향상에 기여할 수 있다.

전반적으로 이 논문은 수치 해석에서 흔히 부정적으로 인식되는 “격자 오차”를 유용한 피드백 신호로 전환함으로써, 정규화 파라미터 선택을 자동화하고 사용자 의도를 명시적으로 반영하는 새로운 프레임워크를 제시한다.