적외선 편광 3D 재구성에서 표면 법선 벡터 모호성 및 순수 데이터 기반 방법의 물리적 제약 부족 문제를 해결하기 위해 적외선 편광 물리적 사전 지식과 딥러닝을 융합한 재구성 방법을 제안한다. 본 방법은 법선 벡터 추정의 정확도와 안정성을 향상시켜 대상 표면의 고정밀 3D 재구성을 구현하는 데 목적이 있다. 편광 이미지 원시 데이터로부터 적외선 강도, 선형 편광도 및 편광 각도 등의 편광 정보를 해석하며, 혼합 편광 방사 모델에 의해 구축된 천정각-선형 편광도 관계를 기반으로 표면 법선 벡터의 천정각을 역산한다. 또한 편광 각도와 표면 기하학의 대응 관계를 이용하여 두 개의 후보 방위각을 도출하여 후보 법선 벡터를 구성한다. ThermalUNet 네트워크를 설계하여 편광 정보를 입력으로 참조 법선 벡터를 생성한다. 마지막으로 이 참조 법선 벡터를 활용하여 물리 모델에서 생성된 후보 법선 벡터에 제약과 보정을 가하여 일관되고 안정적인 법선 벡터 필드를 획득한다. 공개된 ThermoPol16 장파 적외선 편광 데이터셋 실험 결과 본 방법의 법선 벡터 평균 각도 오차는 8.36°이며, 11.25° 미만 오차 픽셀 비율은 81.97%에 달하며 기존 방법보다 재구성 정확도가 우수하다. 자체 수집된 중파 적외선 편광 영상 데이터셋에 대한 추가 검증 결과, 온도 및 재질이 다른 대상에 대해 법선 벡터 평균 각도 오차가 7.3°로 방법이 대상의 표면 3D 형상을 안정적이고 정확하게 복원함을 보인다. 본 방법은 편광 3D 재구성에서 법선 벡터 모호성 문제를 해결하였으며, 다양한 재질, 온도 및 적외선 대역 조건에서 우수한 재구성 정확도와 안정성을 나타낸다.

적외선 편광 영상; 편광 3D 재구성; 계산 영상; 표면 법선 벡터