부분 샘플링 STEM‑EELS 이미지 복원을 위한 두 가지 스무딩 기반 알고리즘

본 논문은 전자빔에 의한 시료 손상이 큰 문제로 대두되는 STEM‑EELS(Scanning Transmission Electron Microscopy – Electron Energy Loss Spectroscopy) 분야에서, 전체 픽셀을 순차적으로 스캔하는 전통적인 방식 대신 공간적으로 일부 픽셀만 선택적으로 측정하는 부분 샘플링 전략을 제안한다. 이러한 전략은 동일한 총 전자량을 유지하면서도 각 픽셀에 할당되는 전자 수를 증가시켜 신호‑대‑노이즈 비(SNR)를 향상시키고, 시료 손상을 감소시킨다. 그러나 부분 샘플링으로 인해 누락된 픽셀을 복원해야 하는 역문제가 발생한다. 이를 해결하기 위해 저자는 두 가지 변분 기반 복원 알고리즘을 설계하였다. 첫 번째 알고리즘은 Smoothed Nuclear Norm (S2N)이다. 여기서는 전체 스펙트럼‑이미지 X∈ℝ^{M×P}를 복원 변수로 두고, 관측된 부분 데이터 Y_I와의 차이를 최소화하는 데이터 적합 항 ‖Y_I‑X_I‖_F²를 기본으로 한다. 동시에 두 종류의 정규화를 적용한다. 공간적 정규화는 각 스펙트럼 밴드에 대해 이산 그래디언트 연산자 D를 적용한 후 L2‑노름 ‖X D‖_F²를 사용해 이미지가 부드럽게 변하도록 유도한다. 스펙트럼적 정규화는 행렬 X의 핵심(norm) ‖X‖_* 를 최소화함으로써 저‑랭크 특성을 촉진한다. 핵심(norm) 정규화는 실제 랭크를 직접 최소화하는 것이 NP‑hard인 점을 완화한 볼록 근사이며, 고차원 스펙트럼 데이터에 대한 압축성을 유지한다. 두 정규화 항의 가중치 λ_S2N, µ_S2N은 실험을 통해 경험적으로 설정되며, 논문 부록에서 선택 기준을 제시한다. 최적화는 ADMM(Alternating Direction Method of Multipliers) 프레임워크를 이용해 각각의 서브문제를 효율적으로 해결한다. 두 번째 알고리즘은 Smoothed SubSpace (3S)이다. 이 방법은 먼저 관측된 부분 데이터 Y_I에 대해 주성분 분석(PCA)을 수행해 직교 행렬 H∈ℝ^{M×M}와 주요 성분 차원 R을 추정한다. 이후 전체 이미지 X를 X=HS 형태로 모델링하고, 계수 행렬 S∈ℝ^{M×P}에 대한 복원을 수행한다. 여기서는 데이터 적합을 제약식 ‖HᵀY_I‑S_I‖_F²≤σ̂² 로 변환하여 노이즈 수준 σ̂² 를 명시적으로 반영한다. 공간적 정규화는 계수 행렬 S에 대해 ‖S D‖_F² 를 최소화하고, 스펙트럼적 정규화는 각 행 S_m,: 의 에너지 ‖S_m,:‖_2² 에 가중치 w_m을 곱해 합산한다. 가중치 w_m은 PCA 고유값의 크기에 비례하도록 설계되어, 실제 신호 차원 R_true 보다 높은 차원은 거의 0이 되도록 강제한다. 따라서 저‑랭크 특성이 하드 제약 형태로 구현된다. 최적화 역시 ADMM 기반으로 구현되며, 서브스페이스 차원을 미리 추정함으로써 연산량을 크게 줄일 수 있다. 실험은 두 부분으로 나뉜다. 첫 번째는 실제 물리적 파라미터를 반영한 시뮬레이션 파라미터(phantom) 데이터셋을 이용해 다양한 샘플링 비율(30 %–70 %)과 노이즈 레벨에서 S2N, 3S, 기존 TV‑inpainting, 딕셔너리 학습 기반 방법을 비교한다. 평가 지표는 PSNR, SSIM, 스펙트럼 재현 오차(RMSE)이며, 두 제안 방법 모두 특히 3S가 저‑랭크 차원 추정이 정확할 경우 가장 높은 PSNR(>35 dB)과 SSIM(>0.95)을 기록한다. 두 번째는 프랑스 LPS 연구소에서 실제 STEM‑EELS 장비(VG HB 501)를 이용해 획득한 실험 데이터에 적용한다. 부분 샘플링은 무작위 블록 방식으로 수행했으며, 복원된 스펙트럼‑이미지는 화학 원소 맵(예: Si, O, C)에서 기존 전통적 전자빔 스캔 방식과 거의 동일한 정밀도를 보였다. 특히 3S는 핵심(norm) 기반 S2N에 비해 계산 시간이 약 30 % 감소하면서도 시각적 품질은 유지하였다. 결론적으로, 본 논문은 STEM‑EELS에서 부분 샘플링을 통한 전자빔 손상 최소화와 고품질 스펙트럼‑이미지 복원을 동시에 달성할 수 있음을 입증한다. 공간적 부드러움과 스펙트럼 저‑랭크 특성을 동시에 활용한 두 정규화 프레임워크는 기존 인페인팅 기법보다 뛰어난 복원 성능을 제공하며, 특히 3S는 사전 서브스페이스 추정이 가능한 경우 계산 효율성까지 확보한다. 향후 연구에서는 적응형 샘플링 전략과 실시간 복원 파이프라인을 결합해, 원자 수준의 화학 분석을 위한 초고속 STEM‑EELS 시스템 구축에 기여할 수 있을 것으로 기대된다.