전통적인 이미지 처리 알고리즘은 안정성이 낮고, 딥러닝 알고리즘은 원격탐사 이미지 향상을 위한 학습 데이터셋이 부족하며 계산량이 많아 원격탐사 이미지 처리의 공학적 적용 요구를 충족하지 못한다. 열화 모델링과 이미지 처리 두 과정을 종합적으로 고려하여 Zernike 다항식 열화 모델을 기반으로 원격탐사 이미지 향상 데이터셋을 구축하는 방법을 제안했다. 이후 주파수 영역-공간 영역 혼합 어텐션 기반의 저품질 원격탐사 이미지 품질 향상 알고리즘을 설계했다. 알고리즘 구조 설계에서 이중 도메인 선택 모듈과 주파수 특징 잔여 모듈을 도입하여 주파수 영역과 공간 영역에서 각각 고주파 정보가 풍부한 이미지 텍스처와 디테일 등의 특징 학습을 강화하고, 혼합 어텐션 메커니즘을 사용하여 모델의 특징 추출 능력을 향상시켰다. 제안된 알고리즘 성능 검증을 위해 NIQE 값, 시각적 효과, MTF 곡선, 추론 시간 등을 저품질 원격탐사 이미지 품질 향상의 평가 지표로 사용하였으며, GaoFen-2 위성 영상 데이터에서 본 알고리즘과 자주 사용되는 다섯 가지 알고리즘의 이미지 품질 향상 결과를 비교하였다. 실험 결과 전통적 방법에 비해 본 방법은 NIQE 값을 더 잘 낮추고 MTF 곡선을 향상시키며, 보다 선명한 시각 효과를 나타내어 저품질 이미지의 품질을 유의미하게 향상시킬 수 있음을 보여주었다; 또한 추론 시간 면에서는 픽셀 크기가 <inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mn mathvariant="normal">27</mn><mtext> </mtext><mn mathvariant="normal">620</mn><mo>×</mo><mn mathvariant="normal">29</mn><mtext> </mtext><mn mathvariant="normal">200</mn></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/E6CEFD69-8B52-4766-8F38-12B800F84FDD-M001.jpg"/><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/E6CEFD69-8B52-4766-8F38-12B800F84FDD-M001c.jpg"/></alternatives></inline-formula>인 원격탐사 이미지 처리 시간에서 기존 알고리즘이 시간 단위인 반면, 본 알고리즘 처리 속도는 27초에 불과하여 공학적 응용의 시효성 요구를 만족할 수 있다. 요약하면 본 연구는 원격탐사 이미지의 빠르고 선명한 처리 구현이 가능하며, 궤도 위성 영상 열화 문제에 대한 효과적인 해결 방안을 제공한다.

광학 원격탐사 이미지;이미지 향상;딥러닝;Zernike 다항식;이미지 열화 모델