수중 광학 영상 개선을 위한 GAN 딥러닝 기법 비교

Abstract

수중 광학 영상의 경우 대기 광학 영상과 달리 영상의 질을 저하하는 다양한 제약이 있다. 수중에서 빛의 파장에 따라 다른 감쇠와 산란 현상은 수중 영상의 낮은 대비, 흐릿한 선명도, 색상 저하를 초래한다. 물의 탁도, 수중 환경 및 촬영 카메라의 특성에 따라 영상 질의 저하된 정도가 다르다. 본 논문에서는 수중 광학 영상의 질을 개선하기 위하여 우리바다의 다양한 수중환경의 영상으로 훈련데이터를 구성하고 CycleGAN, UGAN, FUnIE-GAN 딥러닝 기법을 수중 광학 영상의 특징을 학습하도록 훈련하였다. 정략적 성능 비교를 위하여 대비, 선명도, 색조 등의 성능을 평가하는 UIQM (Underwater image quality measure)과 UCIQE (Underwater color image quality evaluation)를 계산하였다. 한국 해역에서 촬영한 수중영상에 대하여 UGAN, CycleGAN 및 FUnIE-GAN의 평균 UIQM은 각각 3.36, 2.68, 2.97이며 UCIQE는 26.56, 26.75 24.8로 측정되었으며 기존 원 영상 대비 UGAN과 CycleGAN은 다양한 수중 환경에서 정성적, 정량적으로 좋은 성능을 보였고 FUnIE-GAN은 수중환경에 따라 성능 편차가 있었다. 수중 상황을 보다 정확하게 가시화하는 광학 영상을 개선하여 수중 작업 모니터링 및 무인이동체 자율운항 경로 계획에 활용가능 하다.