파장 대역 확장으로 이미지 정보 극대화

HSI(Hyperspectral Imaging, 초분광 이미징) 기술과 MSI(Multispectral Imaging, 다중분광 이미징) 기술은 특수 비전 시스템을 사용하여 가시광선 스펙트럼 외 전자기 스펙트럼의 확장된 영역으로부터 추가 이미지 정보를 얻습니다(그림 1).

그림 1: 가시광선 스펙트럼은 전체 전자기 스펙트럼에서 극히 일부를 차지하며 HSI와 MSI는 가시광선 외 파장으로부터 더 많은 정보 수집

서로 비슷한 기술이지만 약간의 차이가 있어 적합한 응용 분야가 각각 존재합니다. 이러한 기술은 고급 이미지 정보를 제공하며 사용된 시스템은 조명, 필터 및 광학 설계가 훨씬 더 복잡합니다.

이미징 기술

머신 비전 시스템은 보통 가시광선 스펙트럼(400 - 700nm)에 해당하는 빛을 사용하고 대부분의 머신 비전 센서는 피크 스펙트럼 감도가 550nm 정도입니다. 양자 효율 곡선이 센서 감도를 결정하며, 센서 감도는 어떤 센서가 특정 파장의 광자를 전기 신호로 변환할 때의 효율성을 말합니다. 그러나 표준 실리콘 센서의 양자 효율은 UV 및 IR 파장 범위에서 감소합니다(그림 2).

그림 2: RGB 카메라의 양자 효율 곡선에서 나타나는 빨간색, 초록색, 파란색 감도 그래프 간 중첩

HSI 기술과 MSI 기술은 특수 이미징 렌즈와 머신 비전 센서를 사용하며 물체와 환경에 대한 이미지 세부 정보를 수집할 때 가시광선을 사용하는 표준 비전 시스템과 달리 전자기 스펙트럼 중 가시광선 외 영역의 비중이 훨씬 큽니다. 이러한 특수 센서를 제작할 때 실리콘이 아닌 기판 소재를 사용하기 때문에 제조 비용이 상당히 많이 듭니다. InAs(비화 인듐), GaAs(갈륨 비소), InGaAs(갈륨 인듐 비소) 등의 물질은 최대 2600nm의 파장을 이미징하는 데 사용되고, NIR 및 MWIR 파장을 이미징하는 데는 MCT/HgCdTe(수은 카드뮴 텔루라이드), InSb(인듐 안티모나이드) 초점면 배열, GaAs(갈륨 비소) 초점면 배열 등을 사용합니다. 특수 센서는 픽셀 크기가 더 크고 정밀 보정이 가능해야 원하는 감도와 해상도를 가질 수 있습니다.¹

특수 센서는 차별화된 소재로 제조한 대신 몇 가지 주의사항만 지키면 기존의 머신 비전 센서와 거의 동일한 기능을 합니다. 머신 비전 카메라 센서는 무채색 분포 배열로 2차원 이미지를 생성하며, 이러한 배열은 일반적으로 물체를 스캔해서 이를 구분하고, 측정하고, 그 위치를 설정하는 기능에 사용됩니다. 기존 센서는 광학 필터나 RGB(베이어 패턴) 필터가 없으면 빛 파장을 구분할 수 없는데, 이는 필터가 픽셀에 유입되는 빛 파장을 제한하는 역할을 하기 때문입니다.² 비전 소프트웨어는 주변 픽셀의 파장 정보로 이미지를 구성합니다. HSI의 경우 픽셀이 (픽셀 그리드 내) 좌표 위치 및 신호 강도에 대한 정보를 이전과 동일하게 수집합니다. 그러나 기존 이미징이 2D 무채색 배열이었다면 이제는 한 차원이 추가되어 파장이 3D 배열 혹은 큐브 형태로 나타납니다(그림 2).

그림 3: MSI와 HSI의 차이점 - MSI는 파장 정보가 따로따로 나타나고 HSI는 파장 정보가 연속적으로 나타납니다.

그림 3을 보면 센서 배열에서 픽셀마다 파장 정보를 수집함을 알 수 있습니다. MSI와 HSI는 파장 정보가 나타나는 방식에 차이가 있습니다. MSI에서는 파장 정보가 그룹화된 각각의 대역으로 보이고 HSI에서는 파장 정보가 연속체로 보입니다. 따라서 MSI보다 파장 분해능이 더 좋은 HSI가 MSI와 성능 면에서 큰 차이가 없다고 할 수 있습니다. 하지만 두 기술의 장점을 내세울 수 있는 분야는 서로 다릅니다. HSI는 연속적인 스펙트럼에서 미세한 신호 차이를 감지해야 하는 어플리케이션에 특히 적합합니다. 더 넓은 범위의 파장 대역을 샘플링하는 MSI 시스템이었다면 그 차이가 미세할수록 놓치기 쉽습니다. 특정 파장 대역에서만 반응하지 않거나 정보를 수집하긴 하지만 더 적은 파장을 처리하는 만큼 전체 처리 시간이 단축되기 때문에 HSI가 더 용이합니다.

파장 정보를 얻는 수집 모드는 크게 4가지로 구분할 수 있으며, 모드마다 장단점이 존재합니다. Whiskbroom 모드는 포인트 스캐닝 프로세스로 한 번에 한 공간 좌표에 대한 스펙트럼 정보를 수집하기 때문에 가장 좋은 스펙트럼 해상도를 제공하지만 X축과 Y축 모두에서 대상 영역을 스캔해야 합니다. 그래서 파장 정보 수집에 소요되는 총 시간이 크게 늘어납니다.¹ Pushbroom 모드는 라인 스캐닝 프로세스로 전체 영역에 대한 정보를 얻을 때까지 한 번에 한 줄씩 픽셀을 수집하고 스캔합니다. 이 모드를 사용하는 시스템은 컴팩트하고, 무게가 가볍고, 작동법이 간단합니다. 하지만 이 모드는 노출 시간이 정확해야 합니다. 노출 시간이 어긋나면 일부 스펙트럼 대역에서 포화도가 맞지 않는 이미지가 생성됩니다. Plane 스캐닝 모드는 전체 2D 영역을 스캔하면서 이미지를 다양하게 수집해 스펙트럼의 깊이를 결정합니다. 이 모드의 경우 센서나 시스템을 이동시킬 필요는 없지만 정보를 수집할 때 물체가 움직이면 안 됩니다. 마지막은 Single 샷 모드로 가장 최근에 개발한 수집 모드이자 스냅샷에 해당합니다. 이 모드는 이미지를 하나의 샷으로 확보한 다음 하나로 통합하면서 전체 초분광 데이터 블록을 구성합니다. 앞으로의 HSI에서 유망한 방식이지만 공간 해상도가 더 낮다는 한계가 존재해 개선이 필요합니다.¹

그림 4: 4가지 수집 모드 - (A) Whiskbroom 모드, 포인트 스캐닝, (B) Pushbroom 모드, 라인 스캐닝, (C) Plane(영역) 스캐닝 모드, (D) Single 샷 모드

어플리케이션

HSI/MSI가 활용되는 분야가 점차 늘어나면서 무인항공기(UAV), 위성은 물론 지상에서의 원격 감지나 항공 영상 촬영까지 그 범주가 확대됐습니다. HSI/MSI 촬영을 하면 대기권과 구름을 관통할 수 있어 지상이 훤히 보입니다. 이러한 이미징은 인구 변화를 모니터링하고, 지질학적 활동을 관찰하고, 고고학적 유적지를 연구하는 데 적합합니다. 또한, HSI/MSI 기술은 탈산림화, 생태계 파괴, 탄소 재활용, 기상 시스템의 불확실성과 관련된 환경 패턴을 모니터링하고 연구하는 데 사용됐습니다. 연구원은 이미징 데이터로 지구 생태에 대한 예측 모델을 구축할 수 있으며, 인류는 이를 통해 기후 변화와 자연에 미치는 영향을 줄입니다.³

HSI/MSI 정보를 활용하면 의사는 수술을 하지 않고 피부를 스캔만 해도 암과 같은 이상 세포를 파악할 수 있습니다. 그 이유는 특정 파장이 다른 파장에 비해 사람의 피부에 더 깊숙이 침투할 수 있기 때문입니다. 의사가 이 이미징 기술을 사용할 경우 환자의 증상을 기술하며 건강 상태를 추론할 필요가 없습니다. 그뿐만 아니라 스펙트럼 데이터가 자동으로 저장 및 분석되고, 신속한 진단이 가능해지며, 진단부터 치료까지 소요되는 시간이 단축되어 더 나은 결과를 얻을 수 있습니다.⁴

HSI/MSI를 활용하는 다른 분야로는 농업, 식품 품질 및 안전, 의약품 등이 있습니다.⁵ 농부는 드론과 트랙터에 장착된 SI(Spectral Imaging, 분광 이미징) 시스템을 통해 엄청난 넓이의 토지를 스캔하여 농작물의 생육, 식물의 영양 상태, 토양의 상태, 살충제와 같은 화학 물질로 인한 독성, 전염병 및 감염 여부 등을 분석할 수 있습니다. 그러면 이러한 데이터로 공간 사용을 최적화하고 생산량을 극대화할 수 있습니다. 이와 같은 기술은 ^{그림 5}와 ^{동영상 1}에서 볼 수 있듯이 자연림의 상태를 파악하는 경우에도 도움이 됩니다.

그림 5: 해당 이미지는 나무가 우거진 숲을 따라 흐르는 개울을 촬영한 것입니다. 첫 번째 이미지는 표준 색상 이미지입니다. 두 번째 이미지는 가시광선 외 적외선 스펙트럼으로만 생성된 이미지입니다. 세 번째 이미지는 앞서 제시된 두 이미지의 파장 정보로 생성된 가색 이미지로 나무의 상태와 인공 물체의 존재 여부를 식별하는 데 사용할 수 있습니다. 이미지 출처: Benjamin Margulies

동영상 1: 그림 5에 표시된 것과 같이 서로 다른 스펙트럼의 이미지를 결합하여 식물 개체군의 상태를 파악할 수 있는 방법에 대해 자세히 살펴보세요.

HSI 및 MSI가 앞으로 더 발전하려면 이러한 이미징 시스템을 훨씬 더 컴팩트하게, 저렴하게, 사용하기 쉽게 만들어야 합니다. 산업 분야와 관계 없이 이와 같은 기술을 접할 수 있고 활용도 쉬워지면 당연히 더 다양한 어플리케이션에서 해당 기술이 사용될 수 있습니다.

참고 문헌

1. Hyperspectral Imaging: A Review on UAV-Based Sensors, Data Processing and Applications for Agriculture and Forestry.
2. Schelkanova, I., et al. "Early Optical Diagnosis of Pressure Ulcers." Biophotonics for Medical Applications, 2015, pp. 347-375., doi:10.1016/b978-0-85709-662-3.00013-0.
3. Unninayar, S., and L. Olsen. "Monitoring, Observations, and Remote Sensing– Global Dimensions." Encyclopedia of Ecology, 2008, pp. 2425-2446., doi:10.1016/b978-008045405-4.00749-7.
4. Schneider, Armin, and Hubertus Feußner. Biomedical Engineering in Gastrointestinal Surgery. Academic Press, 2017.
5. Imaging in Dermatology, 2016; Chapter 16 – Hyperspectral and Multispectral Imaging in Dermatology.