Deep Learning for THz Image Super-Resolution and Denoising
연구 내용
THz-TDS 및 THz 영상의 저해상도·잡음 문제를 딥러닝으로 해결하여 고해상도 복원과 잡음 제거 성능을 향상시키는 연구
THz 영상은 장파장 특성으로 인해 해상도와 잡음 문제가 성능을 제한합니다. 본 연구는 THz 이미지의 저해상도 특징 추출과 고해상도 매핑을 학습하는 구조 기반의 초해상도 복원을 수행합니다. 또한 THz-TDS로 측정된 데이터에 대해 깨끗한 쌍 없이 학습할 수 있는 Noise2Noise 계열의 자기지도 접근을 적용하여 잡음 환경에서의 안정적 denoising을 구현합니다. 학습 데이터 조건과 전처리(시간영역 패딩 등)를 최적화하여 실제 THz 영상에서도 일관된 영상 품질 향상을 도출하는 데 차별성이 있습니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 THz 영상의 저해상도 특성을 고려하여 U-Net 계열 구조를 개선한 학습 기반 초해상도 복원 연구를 수행했습니다. 이후에는 THz-TDS 측정에서 발생하는 잡음의 실측 조건을 반영하여, 깨끗한 이미지 쌍 없이 학습 가능한 자기지도 방식으로 denoising 성능을 확보하는 방향으로 확장되었습니다. 2024년에는 THz 이미지 초해상도 복원 성능을 검증했고, 2025년에는 Noise2Noise 프레임워크와 시간영역 전처리 최적화를 통해 다양한 잡음·주파수·구조 조건에서의 일반화를 강화하는 연구를 수행했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
J-Net: Improved U-Net for Terahertz Image Super-Resolution
Self-supervised deep-learning for efficient denoising of terahertz images measured with THz-TDS system
J-Net: Improved U-Net for Terahertz Image Super-Resolution
Self-Supervised Deep Learning for THz-TDS Image Denoising