렌즈 비네팅 효과 및 적응 학습률 감소로 보완된 신경망에 대한 장면 기반 불균일성 보정(NUC)

적외선 센서는 군사, 의료, 공장 자동화, 보안 등 다양한 분야에 걸쳐 사용된다.

 

현재 사용되는 대부분의 적외선 센서는 초점평면배열(Focal Plane Array, FPA)인 2차원 매트릭스 구조로 구성되어있고, 이 초점평면배열이 물체의 적외선 방사에너지에 반응하여 전기적 신호를 출력하게 되고, 이를 통해 적외선 영상 이미지를 획득한다.

 

적외선 센서는 초점평명배열(FPA)을 구성 하고 있는 각 소자들의 반응 특성과 전기적 신호를 양자화하기 위한 변환장치 채널간의 특성 차에 의해 고정패턴잡음(Fixed Pattern Noise, FPN)을 발생한다.

또, 적외선 방사에너지를 집광하는 광학부품에 의해 지역적인 불균일함이 발생한다.

이런 영상의 불균일 특성을 보정하기 위한 방법으로 크게 균일한 흑체 면을 이용한 불균일보정(Calibration Based Non Uniformity Correction, CBNUC) 방법과 초점평면배열에 집광되는 적외선 신호를 이용한 영상 기반의 불균일보정(Scene Based Non Uniformity Correction, SBNUC)기법이 있다.

SBNUC는 별도의 교정 장비를 사용하지 않고, 실제 시스템 운용 시, 획득되는 적외선 영상 정보를 바탕으로 불균일 보정
계수를 획득하고, 이를 지속적으로 갱신하는 방식이다.

따라서, 교정 장비를 사용하지 않기 때문에, 절대적인 영상품질은 CBNUC에 비해 다소 떨어진다. 하지만, 적외선 영상시스템의 운용에 따른 열화 현상 및 적외선 검출기의 성능변화에 능동적으로 대응하여 운용 시 마다 그 환경과 상황에 맞는 보정 계수를 획득하기 때문에 큰 폭의 성능 변화 없이 항상 일정 수준 이상의 영상 품질을 유지 할 수 있다는 장점이 있다.

 

 

출처 : https://koreascience.kr/article/JAKO201823954943123.pdf