대학원 Graduate Studies

  경북대학교 컴퓨터학부 이재협 교수 연구팀, SCIE 상위 9% IEEE Geoscience and Remote Sensing Letters (GRSL) 논문 게재 승인

  컴퓨터학부 이재협 교수 연구팀(경북대학교 컴퓨터학부 박주헌, 전민영, 김승현 학생 및 이재협 교수)이 참여한 연구 논문 “RPM: Robust PAN-Sharpening with Multi-Spectral Misalignment Correction”이 영상처리 및 원격탐사(위성영상) 영상융합(PAN-sharpening) 분야에서 다중분광(MS) 밴드 간 오정렬 문제를 정면으로 다룬 연구 성과로 인정받아 IEEE Geoscience and Remote Sensing Letters에 게재 승인되었다.

  이번 성과는 컴퓨터학부 학부과정 박주헌, 전민영 학생이 약 9개월간 학부연구원 활동을 수행하며 연구를 주도적으로 진행해 도출한 결과로 더욱 의미가 크다. 특히 논문 투고 및 주요 연구 수행 당시 두 학생은 학부연구원으로 참여했으며, 이후 연구실에 입학한 김승현 석사과정이 합류해 연구와 논문을 마무리하였다.

  본 연구에서는 PAN-sharpening(고해상도 PAN 영상과 저해상도 MS 영상을 융합해 고해상도 다중분광 영상을 복원) 과정에서 실제 위성/항공 영상에서 빈번하게 발생하는 PAN–MS 간 오정렬뿐 아니라 MS 밴드 간(inter-band) 오정렬이 융합 품질을 크게 저하시키는 문제에 주목하였다. 연구팀은 기존 방법들이 대체로 “정확히 정합된 입력”을 가정하는 한계가 있다는 점에 착안해, 두 종류의 오정렬을 하나의 프레임워크에서 동시에 보정하는 RPM을 제안하였다.

  RPM의 핵심 기여점은 Shift-to-Align(S2A) 학습 전략이다. 학습 단계에서 MS 입력 각 밴드에 무작위 픽셀 시프트(−1/0/+1)를 부여해 현실적인 오정렬을 모사하고, 네트워크가 오정렬에 강건한 융합을 학습하도록 유도한다. 또한 PAN의 경계 정보를 활용한 edge-consistency loss 등을 결합해 스펙트럼 충실도와 공간 선명도를 함께 확보하도록 설계했다.

  실험 결과 RPM은 WorldView-3, Gaofen-2, QuickBird 벤치마크에서 PSNR/SSIM/SAM/ERGAS/HQNR 등 다양한 지표에서 최근 CNN 및 확산모델 기반 기법들을 일관되게 상회했으며, 특히 256×256 패치 기준 약 0.003초 수준의 빠른 추론 속도로 실사용 가능성을 높였다. 또한 Pavia(HyperPanCollection) 교차 데이터셋 평가에서도 우수한 일반화 성능을 보였다.

  논문의 교신저자인 이재협 교수는 “본 연구는 위성영상 품질 복원 연구에서 실제로 자주 발생하지만 간과되어 온 MS 밴드 간 오정렬 문제를 공식화하고, 이를 학습 단계에서 해결하는 전략을 제시했다는 점에서 의미가 크다”며, “향후 정밀 지도 제작, 환경·재난 모니터링, 국토 관측 등 다양한 원격탐사 응용에서 신뢰도 높은 영상 융합에 기여할 것으로 기대한다”고 밝혔다.

*본 연구를 수행하고, 현재 박주헌, 전민영 학생은 석사과정으로 진학할 예정이다.

*아래 사진은 순서대로, 컴퓨터학부 4학년 박주헌 학생, 전민영 학생, 석사과정 1년차 김승현 학생, 그리고 이재협 교수이다.