합성곱 신경망과 잡음제거 오토인코더를 이용한 적외선 영상 기반 자동표적인식 시스템

Abstract

감시 정찰 분야에서 주로 사용되는 냉각식 적외선 카메라는 적외선 센서의 온도를 극저온으로 유지시켜 회로 내부의 온도를 측정 대상 물체, 혹은 배경의 열 적 신호보다 더 낮은 수준으로 감소시켜야 정밀한 측정이 가능하다. 하지만 실제 상황에서는 냉각기의 냉각제가 소모되거나 충격으로 인해 파손될 경우, 냉각제가 누출되어 냉각이 제대로 되지 않아 센서의 온도가 올라갈 수 있다. 뿐만 아니라, 전시 상황에서는 주위의 온도 변화가 크게 변화하여 센서 성능에 직접적인 영향을 끼칠 수 있다. 이러한 경우 적외선 센서의 전자들이 열 운동을 하게되어 획득한 적외선 영상에는 열 잡음에 해당하는 가우시안 잡음이 발생 할 수 있으며, 정확한 영상 획득을 방해하고 인식 성능을 저하시킬 수 있다. 본 논문에서는 이러한 점을 고려하여 적외선 영상에 가우시안 잡음이 포함되었을 경우에도 표적을 정확하게 인식하기 위해 합성곱 신경망과 합성곱 잡음제거 오토인코더를 사용하여 자동표적인식 시스템을 구현하였고, 성능을 분석하였다. 합성곱 신경망 만을 사용하였을 경우, 적외선 영상에 가우시안 잡음이 포함되면 잡음이 표적의 정보를 손상시키므로 영상 인식 정확도가 저하되게 된다. 이러한 점을 극복하기 위해 영상 정보 손실이 적고 잡음 제거에 효과적인 합성곱 잡음제거 오토인코더를 사용하여 적외선 영상에 존재하는 가우시안 잡음이 제거된 영상을 획득하였고, 잡음이 제거된 영상을 추가적으로 이용하여 표적을 인식 할 경우 표적 인식 정확도가 증가하는 것을 시뮬레이션을 통하여 확인하였다. 특히, 가우시안 잡음 제거에 효과적이라고 알려져 있는 위너(Wiener) 필터를 사용 하였을 경우와 비교를 하였을 때, 합성곱 잡음제거 오토인코더를 사용한 경우에 잡음 제거 효과가 우수하고 원본 정보 손실이 적은 것을 확인하였으며, 표적 인식 정확도가 더 높은 것을 확인하였다.