파동패킷 기반 대비 이미지 융합 기법

본 논문은 다중 센서가 제공하는 다양한 이미지 정보를 하나의 고품질 영상으로 통합하는 이미지 융합 기술에 초점을 맞춘다. 서론에서는 단일 센서가 제공하는 정보의 한계를 지적하고, 다중 센서 융합이 인간 시각 시스템(HVS)과 같은 고차원 인식 작업에 필수적임을 강조한다. 기존 융합 방법으로는 픽셀 단위 평균, 통계·수치 기반, HSI 변환, 주성분 분석(PCA), 이미지 그래디언트 피라미드, 그리고 다중 해상도 변환(DWT) 등이 소개되며, 각각의 장단점이 논의된다. 특히 DWT 기반 방법은 계산 효율성은 좋지만 주파수 분해가 제한적이라는 점이 지적된다. 다음으로 파동패킷 변환(WPT)의 이론적 배경을 제시한다. WPT는 DWT를 일반화한 형태로, 저·고주파를 모두 반복적으로 분해함으로써 전체 주파수 공간을 이진 트리 구조로 세분화한다. 이 과정은 신호의 주파수 로컬라이제이션을 향상시키며, 다양한 대역에서 세밀한 특징을 추출할 수 있게 한다. 논문은 이러한 WPT 구조 위에 ‘지시 대비(Directive Contrast)’ 개념을 확장한다. HVS에 기반한 대비 정의 L‑L_B를 고주파 성분(L_H)과 저주파 배경(L_B)으로 해석하고, 이를 수평(H), 수직(V), 대각선(D) 대비로 구분한다. 각 서브밴드별 대비는 해당 서브밴드의 계수 절댓값 평균을 이용해 계산된다. 제안된 융합 알고리즘은 다음 단계로 구성된다. 1) 입력 이미지 쌍(F₁, F₂)을 동일한 레벨 L까지 DWPT로 분해한다. 2) 각 레벨·서브밴드에 대해 수평·수직·대각선 대비를 구한다. 3) 동일 위치에서 대비가 큰 이미지의 서브밴드 계수를 선택하고, 저주파(approximation) 서브밴드는 두 이미지의 평균값을 사용한다. 4) 선택된 계수를 역DWPT하여 최종 융합 영상을 복원한다. 컬러 이미지의 경우, RGB를 HSI 색공간으로 변환한 뒤 각 채널에 동일 절차를 적용하고, 최종적으로 다시 RGB로 역변환한다. 성능 평가는 평균, 표준편차, 엔트로피, 평균 그래디언트, PSNR, 상관계수 등 여섯 가지 정량 지표를 사용한다. 평균·표준편차는 전반적인 밝기와 대비를, 엔트로피는 정보량을, 평균 그래디언트는 에지 강도를, PSNR은 원본 대비 복원 정도를, 상관계수는 구조적 유사성을 나타낸다. 실험에 사용된 데이터는 ‘mandrill’, ‘peppers’, ‘house’, ‘book’, ‘gun’ 등 다양한 특성을 가진 회색·컬러 이미지이며, 크기는 512×512 또는 256×256이다. 각 이미지에 대해 제안 방법과 기존 Pu et al.