영상 블러링 및 잡음에 의한 손상 과정과 연구진이 제안한 잡음 적응형 블러 제거 기술이 적용되는 과정

<이미지를 클릭하시면 크게 보실 수 있습니다>

생물학 연구에 사용되는 형광 현미경이나 반도체 산업에 사용되는 주사전자현미경은 불안정성으로 흐려진 영상(블러) 보정 과정이 필수다. 우리 연구진이 적응형 필터와 생성형 인공지능(AI) 모델을 융합해 이런 영상 복원에 성공했다.

한국과학기술원(KAIST·총장 이광형)은 장무석 바이오 및 뇌공학과 교수팀이 삼성전자 DS부문 반도체연구소 차세대공정개발실과 공동으로 왜곡 및 강한 잡음이 존재하는 의료·산업 영상 복원 기술을 개발했다고 26일 밝혔다.

스마트폰 카메라 사진에 흐림·왜곡이 생겼을 때 보정하는 문제를 디컨볼루션, 디블러링이라 하며, 흐려진 영상 정보만 이용해 영상을 복원하는 기술을 블라인드 디컨볼루션이라고 한다. 이런 디컨볼루션 문제는 일상뿐 아니라 생물학 연구, 반도체 산업 등 다양한 분야에서 공통 발생한다.

반도체 산업에서는 수천 개 생산 공정 중간에 검사·계측 기술을 통해 발생할 수 있는 미세 공정 오류를 감지하는데, 공정 수율 개선에 쓰이는 주사전자현미경이 전자 빔의 불안정성으로 영상이 흐려지기 쉬우며, 보정 과정이 반드시 필요하다.

연구팀은 영상이 흐려지는 원인은 다양하지만 흐려짐을 없애는 것은 수학적으로 동일한 접근 방법이 활용될 수 있다고 생각했다.

주사전자현미경으로 측정된 흐린 반도체 시료 및 테스트 타겟영상으로부터 잡음 적응형 영상 블러 제거 기술을 적용한 결과.

<이미지를 클릭하시면 크게 보실 수 있습니다>

특히 잡음 수준이 높은 영상은 영상 잡음을 억제함과 동시에 블러 효과가 제거된 선명한 영상을 복원하는 과정의 균형을 맞추는 것이 매우 중요하다는 점에 착안했다.

역 필터를 기반의 복원 방식인 위너 디컨볼루션으로 영상을 복원하는 접근법을 개발했다. 이를 적응형 잡음 억제 변수, 영상 생성형 AI 모델과 결합해 잡음을 억제하고 영상 선명도도 높였다.

깨끗하고 초점이 맞는 나노미터 단위 반도체 구조 영상을 성공적으로 복원해 반도체 검사·계측에 매우 효과적으로 적용할 수 있음을 실험적으로 증명했다.

이찬석 KAIST 바이오 및 뇌공학과 연구원은 “이번 연구에서는 무작위적 잡음을 극복하는 영상 복원 기술을 개발하는 데에 집중했고, 향후 비균일 영상 복원 및 다양한 손상 형태를 극복하는 영상 복원 기술 개발에 주력할 것”이라고 밝혔다.

이찬석 KAIST 바이오 및 뇌공학과 박사과정이 제1 저자로 참여한 이번 연구는 '제18회 유럽 컴퓨터 비전 학회' 에서 지난달 1일 발표됐고, Lecture Notes in Computer Science의 ECCV 2024 프로시딩 집에 게재 될 예정이다.

김영준 기자 kyj85@etnews.com

[Copyright © 전자신문. 무단전재-재배포금지]