본 연구는 THz 시간영역 분광(THz-TDS) 시스템에서 획득한 테라헤르츠(THz) 영상을 효율적으로 잡음 제거(denoising)하기 위한 자기지도 학습 기반 딥러닝 방법론을 제시한다. 깨끗한 영상과 잡음이 포함된 영상의 쌍(paired)을 요구하는 기존 접근법과 달리, 제안된 방법은 Noise2Noise 프레임워크를 활용하여 잡음 데이터만으로도 효과적인 모델 학습이 가능하도록 한다. 1.20 THz 영상에 대한 정량적 평가는 잡음 수준이 16.87에서 0.61로 유의하게 감소함을 보여주었으며, 이는 다양한 신호대잡음비(SNR) 조건 전반에서 96%의 개선에 해당한다. 또한 이 모델은 다양한 주파수 대역과 구조적 특성에 걸쳐 강한 일반화 능력을 보이며, 1.00–2.00 THz 스펙트럼 전 구간에서 일관되게 74%에서 96%에 이르는 잡음 감소를 달성한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.