다중모드 광섬유에서 딥러닝을 이용한 광학 이미지 전송 연구

Abstract

스펙클(speckle) 패턴은 산란 매질을 진행하는 빛의 무작위한 위상(phase) 변화와 간섭에 의해 나타난다. 이러한 현상은 공간적으로 결맞은(spatially coherent) 빛이 거친 표면에서 반사되거나 생체 조직 내부를 투과하는 등의 경우에 발생할 수 있다. 또한 다중모드 광섬유를 통하여 빛이 진행할 때 광섬유 내 공간 모드간 간섭에 의하여 스펙클과 유사한 형태의 신호가 발생하며 이는 광섬유를 진행하는 빛의 형상을 왜곡할 수 있다. 다중모드 광섬유를 진행하는 빛의 스펙클 패턴으로부터 원래의 형상을 복원하고자 하는 다양한 연구가 시도되었다. 그 중에서 최근 딥러닝 기법을 이용한 이미지 및 형상 복원 연구가 주목받고 있다. 딥러닝은 전체 광학 시스템을 하나의 함수로 간주하고 원래의 광학 이미지와 산란 매질을 통과해서 나온 스펙클 패턴을 선형적인 관계로 연결한다. 이를 통하여 측정된 스펙클 패턴으로부터 해당되는 광학 이미지를 추측함으로써 원래의 광학 이미지를 복원하는 것이 가능해진다. 딥러닝 학습을 통하여 다양한 입출력 이미지에 대한 광학 시스템 분석이 완료되면 이후 주어지는 개별적 출력 이미지를 빠른 시간에 복원할 수 있다는 장점이 있다. 또한 다양한 복잡 매질에 대한 충분한 학습 이후 동일한 시스템에서 학습하지 않은 데이터 또한 복원이 가능하는 점에서 주목받고 있다. 본 논문에서는 산란매질을 투과한 빛이 생성하는 스펙클 패턴을 딥러닝 훈련을 이용하여 본래 광학 이미지로 복원하는 연구를 진행하였다. 특히 주어진 입력 이미지에 대하여 다양한 조건에서 스펙클 출력 이미지를 훈련시키면서 딥러닝의 복원에 어떠한 영향을 끼치는지 살펴보고자 하였다. 산란 매질로 글래스 디퓨저와 다중모드 광섬유를 사용하였으며 Dense-net구조를 바탕으로 만들어진 “IDiff-net” 딥러닝 구조를 사용하여 복원을 시도하였다. 또한 원래 이미지와 복원된 이미지의 유사도를 평가하기 위하여 PCC(Pearson Correlation Coefficient)라는 수치를 사용하였다. 이때 PCC값이 1에 가까울수록 두 이미지간 유사도가 높게 된다. 글래스 디퓨저 산란매질을 진행한 빛의 딥러닝 학습 결과 대부분의 조건에서 0.9 이상의 PCC 값을 가지며 형상을 복원하였다. 다중모드 광섬유의 경우 코어에 커플링 되는 위치에 따라서 다른 스펙클 패턴이 나타나는데 커플링 위치에 관계없이 PCC값이 0.95 이상으로 복원되는 것을 확인하였다. 마지막으로 스펙클 이미지 획득에 사용된 카메라의 노출시간을 달리해가면서 얻은 딥러닝 결과가 형상복원에 어떻게 영향을 미치는지 확인하고자 하였다. 연구결과 딥러닝을 통한 이미지 복원 결과가 카메라의 노출에 따른 본래 이미지 변화와 유사한 양상을 띄고 있는 것으로 확인되었다. 본 연구를 통하여 광학적 이미지가 다중모드 광섬유 등 산란 매질을 통과하여 왜곡되었을 경우 딥러닝 기법을 통하여 성공적으로 형상을 복원하는 것을 확인하였다.