영상융합 (Image Fusion)
쉽게 풀면
해상도가 높은 흑백사진과 색깔 정보가 풍부한 사진을 합쳐서 선명하면서도 색이 풍부한 사진을 만드는 방법이다.
왜 중요한가
공간 해상도가 높은 영상과 분광 해상도가 높은 영상을 결합해 두 장점을 모두 가진 영상을 만드는 기법으로, 도시 세부 판독과 토지피복 분류의 정확도를 함께 높이는 데 쓰입니다. 팬샤프닝이 대표적이며, 광학과 레이더 영상의 융합은 구름이 많은 지역의 감시에 활용됩니다. 구글어스에서 보이는 선명한 컬러 위성사진의 상당수가 영상융합 기법으로 만들어진 결과물이다.
논문에서는 이렇게 쓰입니다
영상융합은 서로 다른 센서의 장점을 결합하여 단일 영상만으로는 얻기 어려운 시각적·분석적 품질을 확보하는 데 활용된다.
이 문장은 영상융합이 시각적 선명도를 높이는 데는 도움이 되지만, 분광 정보를 이용한 정량 분석에는 오히려 방해가 될 수 있다는 상충 관계를 보여줍니다. 앞의 예문이 컬러영상 생성이라는 시각적 개선 사례를 다뤘다면, 이 문장은 그 대가로 분류 정확도가 낮아진 사례를 보여줍니다.
조금 더 깊게 보면
융합 과정에서 원래 분광 정보가 왜곡되면 이후 정량 분석에 오류가 생기므로, 시각적 개선과 분광 보존은 서로 상충하는 목표입니다. 서로 다른 시기에 촬영된 영상을 융합하면 실제 지표 변화가 인공물처럼 나타날 수 있고, 융합 결과의 품질을 평가하는 표준 지표가 확립되지 않아 방법 간 비교가 어렵습니다. 대표적인 융합 알고리즘으로는 색상공간을 바꿔 밝기 성분만 치환하는 IHS 변환, 통계적 최적화를 이용하는 그람-슈미트 변환, 파장별 특성을 세밀하게 반영하는 웨이블릿 변환 등이 있으며, 알고리즘마다 분광 왜곡 정도가 다르다. 융합에 쓰이는 팬크로매틱 영상과 다중분광 영상은 가급적 같은 위성이 같은 시각에 촬영한 자료를 써야 화소 위치와 지표 상태가 정확히 맞아떨어진다. 레이더 영상과 광학 영상의 융합은 서로 다른 물리적 원리로 얻은 정보를 결합하므로, 팬샤프닝 같은 동일 센서 내 융합보다 기술적으로 더 까다롭다.
주의할 점
영상융합 과정에서 원본 분광정보가 왜곡될 수 있어 정량분석보다는 시각적 판독 목적에 더 적합할 수 있다.