가시-근적외선(VNIR) 초분광 영상을 활용한 흑색오염물 세척효과 비교 고찰

Consideration on the Cleaning Effect of Black Contaminants using Visible-Near-Infrared (VNIR) Hyperspectral Images

Article information

J. Conserv. Sci. 2022;38(5):509-519
Publication date (electronic) : 2022 October 31
doi : https://doi.org/10.12654/JCS.2022.38.5.12
1Conservation Science Division, National Research Institute of Cultural Heritage, Daejeon 34122, Korea
2Conservation Science Center, National Research Institute of Cultural Heritage, Daejeon 34122, Korea
안유빈1, 조하진2, 이명성1,
1국립문화재연구원 보존과학연구실
2국립문화재연구원 문화재보존과학센터
*Corresponding author E-mail: mslee75@korea.kr Phone: +82-42-860-9081
Received 2022 September 14; Revised 2022 October 7; Accepted 2022 October 12.

Abstract

가시-근적외선(VNIR) 초분광 영상은 전처리 없이 세척 전⋅후 등 색상변화를 수반하는 상황에 대한 분석이 가능하다. 이 연구에서는 VNIR 초분광 시스템을 적용하여 원주 법천사지 지광국사탑의 상층기단석 표면에 발생한 흑색오염물을 대상으로 레이저 세척 전⋅후를 비교 분석하였다. VNIR 초분광 영상의 적용성을 검토하기 위하여 사전 실험을 선행하였고, 이후 4면(동, 서, 남, 북)을 대상으로 VNIR 초분광 영상을 촬영하였다. 823 nm 대역의 밴드 영상을 활용하여 변화탐지 기법인 영상차를 통해 세척 전⋅후를 비교한 결과, 세척이 수행된 면적뿐만 아니라 변화량까지 산출할 수 있었으며, VNIR 초분광 시스템을 활용한 영상분석이 세척 전⋅후 비교에 효과적임을 알 수 있었다.

Trans Abstract

VNIR hyperspectral images can be analyzed in situations involving color changes, such as before and after cleaning, without pre-treatment. In this study, to analyze the application of the VNIR hyperspectral system, we compared the black contaminants on the surface of the Jigwangguksa Pagoda upper stereobate at Beopcheonsa Temple, Wonju before and after cleaning with laser. After a preliminary experiment to evaluate the applicability of VNIR hyperspectral imaging, we took images of the four sides (north, south, east, and west). The 823 nm band image was used for comparing before and after cleaning. As per the result of the image differencing analysis about before and after cleaning, the spectral reflectance of the area where the cleaning was performed showed a tendency to increase. Additionally, it was found that not only the washed area but also the extent of change could be calculated through monochrome for quantitative comparison, and imaging analysis using the VNIR hyperspectral system was sufficiently effective for comparison before and after cleaning.

1. 서 론

가시-근적외선(이하 VNIR) 초분광 영상시스템은 분석을 위한 전처리나 측정대상에 대한 접촉 없이 공간정보와 분광정보를 동시에 취득할 수 있는 비접촉⋅비파괴 기술이다. 문화유산의 특성상 손상은 비가역적이므로 비접촉⋅비파괴 분석기기의 필요성은 지속적으로 증가하는 추세이다. 특히 보존처리 과정 중 세척 단계는 표면상태가 변화하는 시점이지만 물성이 약해져 있는 상태이므로 비접촉⋅비파괴 분석법이 필요하다.

기존에는 세척에서 기인하는 표면 변화를 분석하기 위해 XRD, XRF, SEM, 측색계, 분광광도계 등을 활용하였다(Siano et al., 2000; Klein et al., 2001; Esbert et al., 2003; Gaspar et al., 2003; Rivas et al., 2012). 이와 같은 방법들은 분석을 위해 전처리가 필요하거나, 측정 대상에 접촉이 필요하다는 단점이 있다. 반면 가시-근적외선(VNIR) 초분광 시스템은 전처리 없이 보존처리의 전⋅후 등 색상변화를 수반하는 상황이나 근적외선을 반사하는 피복 생물에 대한 비파괴 분석이 가능하다.

문화재를 대상으로 초분광 영상을 활용하는 연구는 국외에서 활발하게 이루어지고 있다. 특히 1990년대 후반에서 2000년대 초반부터 초분광 영상 분석을 활용하여 문화재의 비파괴 분석이 제안되었고(Cucci and Casini, 2020), 회화문화재와 벽화 등 채색문화재의 조사(Rebollo et al., 2013; Pérez et al., 2021), 고문서의 디지타이징과 글자 복원(Shiel et al., 2009; Pouyet et al., 2017), 소실된 문양의 복원이나 가상복원 등의 연구가 수행되었다(Pan et al., 2017; Hou et al., 2018; Peng et al., 2019).

또한 보존처리 전⋅후 세척 효과를 평가하는 방법으로서 초분광 분석이 효율적인 수단임을 제안한 사례가 있다(Fiorucci et al., 2014; Pozo-Antonio et al., 2015; Vettori et al., 2021). 하지만 이 연구들은 분광광도계를 활용하였거나, 영상 분광기의 장점을 충분히 활용하지 못하고 분광 반사곡선을 비교하였다. 국내에서는 장기모니터링 과정에서 식생지수를 통해 보존처리 전⋅후가 비교된 사례가 있지만(Ahn et al., 2021), 분광반사도의 정량적인 변화 면적을 산출하지 못했다는 한계점을 가진다.

따라서 VNIR 초분광 시스템이 가지는 영상 분광기로서의 장점을 활용하기 위해 흑색오염물 세척 전⋅후 비교에 초분광 영상분석 기법을 적용하였다. 이를 위해 세척 전⋅후 각각 취득된 초분광 영상의 왜곡을 보정하는 영상전처리 기법을 적용하여 세척 전⋅후 색상변화에 따른 분광반사도의 변화를 비교하였고, 2차원 이미지로 모델링하여 분광반사도의 정량적인 변화 양상을 가시화하기 위한 연구를 수행하였다.

2. 연구자료

2.1. 연구대상

VNIR 초분광 영상분석을 위해 표면오염물이 나타나는 석조문화유산을 검토하였다. 야외에서 초분광 영상분석을 통해 세척 전⋅후를 비교하기 위해서는 분석대상과 태양 사이의 천정각과 천중고도를 일치시키는 과정이 선행되어야 유사한 방향에서 광원이 조사되는 효과를 가진다. 또한 기상상태에 따라 광량이 변화하여 측정대상의 분광반사도에서 차이가 나타난다. 이러한 문제점을 고려하여 초분광 시스템은 실내에서 운용하는 것이 적합할 것으로 판단하였고, 실내에서 보존처리가 수행 중인 국보 원주 법천사지 지광국사탑의 상층기단석을 연구대상으로 선정하였다(Figure 1A).

Figure 1.

The object of study and VNIR hyperspectral image analysis system. (A) Status of the object (Stupa of State Preceptor Jigwang from Beopcheonsa Temple Site, Wonju), (B) Application of VNIR hyperspectral image analysis system.

2.2. VNIR 초분광 시스템

초분광 영상을 취득하기 위한 센서는 회전(rotating) 방식의 가시광-근적외선 영역대(400-1000 nm) 초분광 카메라(VNIR Spectral Camera PS V10E, SPECIM, Finland)와 카메라를 제어하는 컴퓨터로 구성된다(Figure 1B). Prism Grating Prism(PGP) 분광기를 통해 Push-broom 방식으로 영상을 취득한다. 카메라는 수평으로 180° 회전이 가능하며, 가용 파장대역에서 258개의 밴드를 획득한다(Figure 1B). 초분광 촬영은 실내에서 수행되었으며, 외부광원을 최대한 차단하여 촬영하였고, 광원은 할로겐 램프를 사용하였다. 촬영거리는 380 cm로 고정하여 초분광 카메라의 왜곡을 최소화하였다. VNIR 초분광 영상은 세척 전ㆍ후에 취득하였으며, 총 8개의 영상을 촬영하였다.

3. 연구 방법

3.1. 전처리

VNIR 초분광 시스템을 흑색오염물 제거 전ㆍ후 비교에 활용하기 위해서는 광원이나 센서에서 기인하는 문제를 해결해야 한다. 대표적인 문제점은 운용 방식에서 발생하는 왜곡이다. 지상용 VNIR 초분광 시스템은 특성상 회전방식으로 분석대상을 스캐닝한다. 이때 카메라 또는 분석대상물의 위치에 따라 기하학적 왜곡이 발생하게 되며, 이를 보정하지 않을 경우 세척 전⋅후 비교에 필요한 공간정보를 활용할 수 없게 된다.

위성이나 항공기로부터 취득된 초분광 영상은 지표면 고유의 특성을 반영하는 분광정보를 얻기 위해 일반적으로 방사보정, 대기보정, 기하보정 및 영상분류의 과정을 거친다. 방사보정은 단위가 없는 원시 데이터를 물리량으로 변환하는 작업이고, 대기보정은 수증기 및 에어로졸 등으로 인한 흡수 및 산란효과를 제거하는 과정이다(Yeon et al., 2012; Song, 2020). 지상용 VNIR 초분광 시스템은 촬영대상과 센서 사이에 위치한 대기의 효과가 미미하기 때문에 대기보정을 제외한 반사율 변환과 기하보정을 수행하였다.

3.1.1. 반사율 변환

초분광 영상을 포함하는 광학영상의 복사량에 대한 보정은 영상의 안정된 품질을 보증 또는 유지하거나 다양한 시기 및 센서에서 획득된 자료로부터 정량적인 신호 특성을 추출하기 위해 필요한 과정이다(Shin, 2008). 이렇게 획득된 신호는 분석대상 표면의 분광반사율로 변환이 필요하다.

EN ISO 9488의 정의에 따르면 반사율은 표면에서 반사된 복사속과 센서에 입사되는 복사속의 비율이다. Strlova et al.(2020)은 샘플 및 참조 표준(Reference standard)에 대한 스펙트럼 복사속의 관계를 설명하였고, 최적의 결과를 얻기 위해서는 보정 이미지를 수집하는 동안 장비가 동일한 설정으로 유지되야 한다는 것을 제안하였다.

이 연구에서는 반사율 변환을 위해 초분광 영상 취득 시 동일한 조건에서 참조 표준과 암전류 측정을 수행하였으며, 참조 표준은 램버시안 반사 표면을 가진 백색기준판(Spectralon® Diffuse Reflectance Target, Labsphere, USA)을 활용하였고, 이때 백색기준판의 분광반사율 기준인 99.9%를 10,000으로 환산한 분광반사도를 산출하였다. 암전류 값은 동일한 조건에서 초분광 센서의 셔터를 닫고 취득하였다.

3.1.2. 기하보정

영상의 기하보정은 기하왜곡을 최소화하고, 모든 화소가 정확한 위치를 갖도록 지상좌표에 정합하는 과정으로 영상교정, 영상정합이라고도 한다(Lee, 2021). 일반적으로 위성이나 항공영상은 지도좌표나 GPS 등을 기반으로 영상좌표를 일치시키는 과정을 통해 영상 대 지도 기하보정을 수행한다. 하지만 지상용 VNIR 초분광 시스템으로 촬영된 세척 전⋅후의 영상은 지상좌표가 부여되어 있지 않으며, 촬영조건에서 기인한 외부기하오차가 포함되어 있다. 즉, 지상용 초분광 시스템에서는 영상에서 좌표를 추출하여 기하오차를 보정하는 방법이 필요하며, 이를 위해 영상 대 영상 정합 기법이 적합할 것으로 판단된다.

영상 대 영상 정합은 동일한 지역의 비슷한 기하를 가진 두 영상에서 동일한 물체들이 서로 같은 위치에 나타나도록 두 영상을 변환 및 회전시키는 처리과정을 의미한다(Jensen, 2005). 이 기법은 하나의 이미지를 참조영상으로 선택하고 비교하고자 하는 다른 영상과 화소좌표에 기반한 정합을 수행하며, 다양한 이미지 재배열 알고리듬과 보간법을 적용한다(Richards, 2022). 최초 촬영된 영상의 기하오차가 이후 촬영된 영상에도 유지된다는 단점이 있지만 지도좌표가 부재하는 지상용 VNIR 초분광 영상 간 보정이 가능하다. 또한 참조영상에서 좌표를 취득하므로 두 장 이상의 영상을 서로 중첩하거나 변화를 분석하기에 용이하다. 이 연구에서는 영상 대 영상 정합을 활용하여 세척 전⋅후 영상을 보정하였고, 기하보정이 완료된 VNIR 초분광 영상은 Figure 2와 같다.

Figure 2.

Geometry correction results on VNIR hyperspectral image of before and after cleaning (R: 650 nm, G: 550 nm, B: 450 nm).

3.2. 세척 전ㆍ후 변화탐지

세척 전⋅후의 분광반사율 변화를 산출하기 위해서는 원격탐사 분야에서 활용하는 변화탐지 기법의 적용이 가능하다. 변화탐지 기법은 다른 시기의 두 데이터를 이용하여 분석대상의 상태나 변화의 차이를 정량적으로 분석하는 방법이며, 다중시기 영상에 연산을 수행하거나 속성에 대한 변화 정보를 얻을 수 있어 원격탐사에서 중요한 연구 분야 중 하나로 취급된다(Singh, 1989; Kim andKim, 2008). 변화를 분석하고 추출하는 기법으로는 영상차, 비연산, 변화벡터분석, 주성분분석 등이 사용되고 있다(Park et al., 2003).

이 중 영상차(ID; Image Difference)를 활용한 변화탐지 기법은 두 밴드가 모두 동일한 분광해상도를 가지고 있다고 가정했을 때, 시기 1 영상의 밴드에서 시기 2 영상의 밴드를 빼는 것을 의미한다. 두 영상이 거의 동일한 방사 특성을 가진다면 이상적으로 영상차 결과는 복사량이 변화된 화소에서 양수 혹은 음수를 가지게 되며, 변화가 없는 지역에서는 0의 값을 가진다(Jensen, 2005). 이 방법은 변화에 초점을 맞출 수 있고 영상 내 복합적인 오류를 피할 수 있어 유용하다(Kennedy et al., 2009).

세척 전⋅후 비교에 영상차 기법을 활용하기 위해서는 영상 내에서 오염물의 변화에 가장 민감한 밴드를 추출하여 연산을 수행해야 한다. 이를 위해 세척 전 분광반사율 대비 세척 후 분광 반사율의 비율을 활용하여 세척 전⋅후 비교를 위한 최적 밴드를 선정하였다. 영상차를 위한 식은 아래 식 1과 같으며, 여기서 △BVijk(i: 화소의 행번호, j: 화소의 열 번호, k: 밴드)는 세척 전⋅후의 변화량을 의미한다.

BVijk=BVijk(after)-BVijk(before)

3.3. 흑색오염물 제거

원주 법천사지 지광국사탑의 상층기단석은 회백색의 세립질 흑운모화강암이며 단일부재로 제작되었다. 상층 기단석 사면 모두에서 흑색오염물이 확인되며, 특히 하부에 집중되어 있다. 이 흑색오염물들은 매우 얇고 변색도가 높으나 암석의 상태는 양호한 특징을 보인다(Kang et al., 2019). 이에 모암보다 상대적으로 흡수능이 높은 흑색 오염물 층의 특성을 고려하여 레이저를 활용한 오염물 세척 기법을 적용하였다.

Lee(2021)는 원주 법천사지 지광국사탑 하층기단갑석의 가장자리에서 확인되는 흑색오염물에 대하여 Nd-YAG Laser와 Fiber Laser의 세척 효율을 비교하였고, 운용시간이 동일할 때 Fiber Laser가 Nd-YAG Laser보다 10만 배 이상의 면적을 세척할 수 있음을 제안하였다. 이 연구에서는 선행연구를 기반으로 상층기단석 흑색오염물 제거를 위해 동일한 모델의 이터븀 기반 Fiber Laser(Yb Fiber Laser)를 활용하였다. 사용된 레이저 최대 출력은 30 W이며, 레이저 전송길이는 3 m, 50∼200 kHz 범위의 레이저 발진주파수를 가진다. 발진 파장의 범위는 1064±3 nm 내외이고 레이저 발진 위치를 점검해주는 적색의 가이드 레이저 모듈이 장착되어 있다.

Fiber Laser를 활용하여 출력비에 따른 제거 효과를 검토하기 위해 VNIR 초분광 영상 내에서 분광반사곡선을 추출하고 실체현미경을 촬영하였다. 이 때 동일한 흑색오염물 양상을 보이는 부재에 레이저 세척을 수행하였으며, 30 W 출력조건에서 출력비는 5% 단위로 20%까지 총 4단계로 설정하여 오염물을 세척하였다. 또한 이 연구는 상층기단석 흑색오염물의 완전한 제거에 초점을 맞추기보다 오염물 주변 색상을 고려하여 최대한 조화롭게 세척을 수행하였다.

4. 연구 결과

4.1. 흑색오염물 제거 효과 검토

상층기단석에 발생한 흑색오염물의 세척 효과를 VNIR 초분광 영상으로 평가하기 위한 사전 평가를 수행하였다. 상층기단석에 발생한 흑색오염물은 세립-중립질 흑운모화강암의 표면에 피복되어 있다. 암석의 표면에 발생하는 무기오염물은 수용성 염의 침적으로 인해 발생하는 백화현상을 제외하고 대부분 분광반사율이 낮아지거나 특정 밴드에서 흡수대역이 나타난다. 특히 인간의 눈에 보이는 흑색은 실제로 대부분의 파장을 흡수하여 발생하는 현상이므로, 가시광선을 포함하는 VNIR 초분광 센서로 촬영 시 분광반사율이 매우 낮게 측정된다. 따라서 이 단계에서는 바탕층이 화강암인 것을 고려하여 흑색오염물의 세척 후 분광반사율이 증가하는 것을 전제로 분석을 수행하였다. 또한 전처리가 수행된 초분광 영상에서 각 출력비 단계로 나누어진 구획에 대한 분광반사곡선을 추출하여 세척 효과를 비교하였다.

Figure 3은 레이저 출력에 따른 오염물 세척 전⋅후 분광반사도를 비교한 결과이다. 흑색오염물 세척 결과, 출력비가 증가할수록 오염물 세척 효과가 증가하는 것을 확인할 수 있었다(Figure 3A). 또한 실체현미경을 통해 표면 상태를 분석한 결과, L-5%와 L-10%의 출력에서는 오염물이 잔존하지만 L-20%의 출력에서는 오염물이 대부분 세척되는 것을 알 수 있다(Figure 3B). 각 흑색오염물의 세척 전⋅후 분광반사도를 비교했을 때, 세척 전 대비 L-5%의 분광반사도는 평균 13.3% 증가하였고, L-10%에서 평균 34.9%, L-15%에서 평균 54.6%, L-20%에서 평균 77.3% 증가하는 경향이 나타났다(Figure 3C). 이와 같은 결과를 종합하면, L-15%와 L-20%로 오염물 세척 시 효율적인 작업이 가능한 것을 확인하였으나, 오염물이 완전히 제거될 수 있으므로 L-5%∼L-15%의 범위에서 세척을 수행하는 것이 효과적일 것으로 판단된다.

Figure 3.

Effect of cleaning black contaminats depending on the laser power. (A) VNIR hyperspectral images of before and after laser cleaning, (B) Microscope images of after cleaning area, (C) Spectral reflectance depending on the laser power.

위의 결과를 종합하면, VNIR 초분광 영상 분석을 활용하여 효과적으로 세척 전⋅후 변화를 평가할 수 있는 것을 확인할 수 있었으며, 안정적으로 오염물을 제거하기 위한 출력 범위를 확인할 수 있었다.

4.2. 세척 전ㆍ후 비교

흑색오염물 세척 전⋅후 비교를 위해 촬영된 VNIR 초분광 영상은 400-1000 nm 파장대역을 258개의 밴드로 세분하여 구현된다. 각각의 밴드는 분광반사율을 포함하고 있으며, 이때 영상차를 활용하기 위해서는 오염물의 제거 과정에서 가장 민감하게 변화하는 밴드를 선정하는 것이 효과적이다. 이를 위해 흑색오염물 제거 효과 평가 단계에서 세척 전 분광반사율 대비 세척 후 분광반사율 비율을 활용하여 세척 전⋅후 비교를 위한 최적 밴드를 선정하고자 하였다. 그 결과, 흑색오염물 제거 시 가장 민감하게 변화하는 파장대역은 823 nm 대역으로 산출되었고, 이를 상층기단석의 세척 전⋅후 VNIR 초분광 영상에 적용하여 영상차를 수행하였다.

4.2.1. 분광반사도 변화 비교

영상차가 수행된 영상은 분광반사율이 변화된 화소를 분석하기 위해 전체 화소들의 변화에 대한 분포 양상을 비교하는 과정이 필요하다. 특히 세척 전⋅후 영상에 분포하는 화소들은 분광반사율의 변화를 수반하며, 이는 특정 분광반사율 범위에 분포하는 화소가 다른 값으로 이동하는 형태로 나타난다. 이와 같은 경향을 시각적으로 용이하게 비교하기 위해서 히스토그램을 활용하였고, 이때 특정 분광반사율 값(Reflectance)에 분포하는 화소의 개수(frequency)를 비교하였다.

Figure 4는 상층기단석의 4면에 대한 흑색오염물 세척 전⋅후의 변화를 비교한 결과이다. 동면은 처리 전 분광반사율 변화량 범위가 815, 2548, 4350에 해당하는 3개의 피크점을 가지며, 세척 이후 815 대역에 해당하는 화소가 2548 대역으로 이동한 것을 알 수 있다. 서면은 740, 2407, 3961의 범위에서 3가지의 피크점을 가지며, 세척 후 740 대역의 화소는 2407∼3961 범위로 이동하는 것이 관찰된다. 북면은 760, 2044, 4171에서 피크점이 나타나며, 760∼2044의 범위에 분포하는 화소들이 세척 후 2252 대역으로 이동하는 경향이 나타난다. 하지만 남면의 경우 앞서 740∼815 사이에서 관찰되는 피크는 관찰되지 않으며, 피크점은 2234과 4108 두 가지로 나타났다. 세척 후에는 2234 이하 값의 화소들이 감소하고 2834∼4108의 대역에서 증가하는 경향이 나타난다.

Figure 4.

Histogram of spectral reflectance differences between before and after cleaning.

이와 같은 결과를 종합하면, 세척 전ㆍ후 비교를 통해 세척 전에 낮은 분광반사율을 보이는 화소들이 감소하면 서 더 높은 값으로 이동하는 경향이 나타났으며, 히스토그램을 통해 효과적으로 비교가 가능하였다. 또한 0∼2000 범위의 분광반사도 값을 가지는 화소들이 집중적으로 변화한 것을 알 수 있었으며, 4000 이상의 분광반사율을 가지는 화소들은 세척 전⋅후에 개수의 변화가 명확하게 나타나지 않았다. 이는 주변색상과 조화를 위한 세척 방법에서 기인한 것으로 판단되며, 오염도가 낮아 분광반사율이 높게 측정된 화소보다 오염도가 높아 분광반사도가 낮아진 화소 부위에 세척이 집중되었음을 시사한다.

하지만 전체 화소들의 평균 분광반사율을 산출하여 비교한 결과, 동면은 오히려 감소하는 경향이 나타나 평균 –0.53%로 산출되었고, 서면은 평균 3.31%, 남면 평균 2.98%, 북면 평균 5.3%로 증가하여 육안관찰을 통해 인지한 세척 전⋅후 화소 개수의 변화양상에 비해 증가율이 미미한 것을 알 수 있다. 이러한 문제는 화소 개수의 분포 양상을 통해 설명이 가능하다. 각 면의 히스토그램은 영상 내에서 특정 분광반사율의 값에 해당하는 화소의 개수를 통해 만들어지며, 4000 이상의 값을 가지는 화소들의 일부가 세척 후 밝기가 감소하는 방향으로 이동하는 것이 관찰된다. 즉, 0 혹은 양수(+)로 산출되어야 할 화소들이 세척 후 음수(-)로 산출되는 경우로서, 이는 암실을 통해 촬영조건을 균일하게 조성하거나 보정방법의 개선에 대한 연구를 통해 해결할 수 있을 것으로 판단된다.

4.2.2. 화소 기반 면적 산출

VNIR 초분광 영상은 분광정보와 공간정보가 융합된 데이터를 취득할 수 있으며, 이를 활용하여 세척이 수행 된 부위와 해당 화소의 분광반사율 변화를 함께 분석할 수 있다. 영상차를 통해 산출된 세척 전⋅후 변화 영상은 각각의 화소가 분광반사율의 변화량을 가지고 있으며, 한개의 밴드로 이루어져 있기 때문에 회색조(Grayscale)로 출력된다. 따라서 변화가 클수록 화소는 밝게 출력되며, 이때 변화량을 기반으로 단색화를 수행하여 2차원 이미지로 모델링하면 화소의 색상을 통해 변화량과 세척 부위의 판독이 가능해진다.

하지만 모든 화소를 사용할 경우 앞서 제기된 바와 같이 변화량이 음수(-)인 화소의 영향이 나타나므로, 분광반사율의 변화량이 양수(+)인 화소만을 활용해야 할 것으로 판단된다. 이를 위해 각 면의 모든 화소의 분광반사도 변화량에 대한 표준편차를 산출하여 단색화 구간에 적용하였고, 음수(-) 화소 등 오차 범위에 포함될 가능성이 있는 화소들을 제외하여 최종적으로 변화 면적을 산출하였다.

세척 전ㆍ후 각 면의 823 nm 대역과 영상차 연산 결과에 대하여 육안관찰을 수행한 결과, 823 nm 대역의 영상은 육안으로 비교가 어려운 것을 알 수 있다(Figure 5A). 각 면들은 회색조로 표현되었을 뿐 아니라 주변 색상과의 조화를 위해 오염물이 완전히 제거된 상태가 아니므로 밝기 변화가 제한적이다. 반면 영상차 기법은 이와 같은 문제를 개선하여 변화가 나타나는 부분에 대한 밝기 변화를 통해 상대적인 변화량이 나타난다(Figure 5B). 이 방법은 화소의 변화에 대한 경향은 알 수 있으나 각 화소의 변화량에 대한 기준이 모호하기 때문에 정량적인 비교가 어렵다.

Figure 5.

Image difference analysis results. (A) Gray scale image of 823 nm wavelength band, (B) image differene analysis results, (C) Monochromatic application results, (D) Calculating results of spectral reflectance changing area.

따라서 단색화를 통해 분광반사도 변화량에 대한 화소 개수를 산출하여 면적을 비교하였다. 단색화가 수행된 화소들은 세척 전⋅후 분광반사도의 변화량을 기반으로 0∼2400의 범위를 보이며, 값이 높을수록 세척 후 변화가 크다는 것을 의미한다(Figure 5C). 또한 각 면의 모든 화소에 대한 편차를 고려하여 변화량의 구간을 설정하고 색상을 부여하였다.

이를 고려하여 전체 화소 대비 분광반사도가 양수(+)로 증가한 화소는 동면 9.3%, 서면 20.6%, 남면 21.6%, 북면 20.6%로 산출되었다(Figure 5D). 동면에서는 하단에 1800 이상의 변화량이 집중되는 경향을 보이며(Figure 5D), 도상 부분의 변화가 거의 나타나지 않았다. 서면은 하단의 흑색오염물에서 변화량이 높은 화소들이 나타나고 도상이 조각되어 있는 중단부에서도 변화가 나타난다. 남면에서는 도상의 아래쪽과 좌측 전반적인 부분에서 변화가 나타나지만, 변화량이 집중된 부분은 확인되지 않았다. 북면은 도상과 하단에서 변화량이 집중되는 양상이 나타난다.

이를 종합하면 동면, 서면, 북면은 하단의 흑색오염물에서 변화량이 높은 화소들이 집중적으로 분포하지만, 남면은 하단의 흑색오염물 부위 화소의 변화량보다 도상 부위에서 변화량이 더 높은 화소가 나타나는 특징을 보인다. 특히 변화량이 높은 화소들이 상층기단석 하단에 집중적으로 나타나는 경향은 흑색오염물 부위에 대한 세척이 중점적으로 수행된 것을 의미하며, 이러한 결과를 통해 세척이 수행된 부위에 대한 화소 개수와 분광반사도 변화량의 비교가 가능한 것을 확인하였다.

5. 고 찰

현재까지 국내에서 문화유산의 보존처리 과정에 VNIR 초분광 영상분석을 활용하여 세척 전ㆍ후 비교를 수행한 사례는 매우 부족한 실정이다. 기존에 보존처리 과정에서 세척과 같은 표면변화 전ㆍ후를 비교하는 방법들은 대부분 직접 접촉해야 하는 단점이 있지만, VNIR 초분광 영상분석을 활용할 경우, 비접촉 분석 방법으로 중대형 부재에 대한 세척 전ㆍ후 비교가 가능하다. 또한 가시광 영역(400-700 nm)부터 근적외선(700-1000 nm)에 이르는 파장대역을 3 nm 이하의 258개 대역으로 나누어 비교할 수 있어 오염부와 비오염부의 구분이 용이하다. 언급된 장점을 활용하기 위해 VNIR 초분광 영상의 전처리 과정을 통한 반사율 보정과 기하보정 방법, 원격탐사 분야에서 활용중인 변화 탐지 기법 중 영상차 기법 적용 등 세척 전ㆍ후 효과 비교를 위한 방법을 제안하였다.

상술한 방법을 적용하여 상층기단석의 각 면에 대한 세척 후 분광반사도 증가량을 종합해보면, 세척으로 분광반사도가 양(+)의 변화를 보이는 화소는 동면 9.3%, 서면 20.6%, 남면 21.6%, 북면 20.6%로 산출되었다. 모든 면에서 상단부는 세척으로 인한 변화가 거의 나타나지 않았으며, 이는 옥개석 아래에 위치한 부재의 특성으로 인해 오염도가 낮았기 때문으로 판단된다. 또한 분광반사도 변화량의 정량적인 수치를 가시화하기 위해 각 화소의 변화량을 기반으로 단색화를 수행하였다. 그 결과, 분광반사도 변화가 높은 화소는 하단부의 흑색오염물 부위에 집중된 것을 알 수 있었으며, 일부 도상부위에 대한 변화도 함께 관찰되었다. 따라서 언급된 결과를 통해 VNIR 초분광영상시스템을 활용한 영상분석이 세척 전ㆍ후 분광반사도 변화에 대한 비교와 가시화에 효과적임을 알 수 있었다.

또한 레이저 세척을 수행할 때 표면 손상을 야기하는 출력(J/cm2)의 임계점을 결정하기 위해 색상 변화를 활용한 사례(Siano et al., 2000; Esbert et al., 2003)를 고려했을 때, 오염물 제거 기법들의 용례에 따른 오염물 제거 전ㆍ후를 비교하여 임계점을 설정하는 데 VNIR 초분광 영상 분석이 유용할 것으로 판단된다. 특히 이 연구의 흑색오염물 제거 효과 검토 단계에서 일정 조사시간 이후부터 출력비를 높이지 않으면 오염물 제거 효율이 급격히 낮아지는 현상이 관찰되었다. 이는 출력비에 따른 임계점이 확인된 사례로서, 향후 세척 단계에서 분광반사도를 임계점으로 활용하여 사전에 설정된 출력비로 세척을 수행한다면 효율적인 세척이 가능할 것으로 기대된다.

하지만 VNIR 초분광영상시스템을 활용하여 세척효과를 정밀하게 평가하기 위해서는 해결해야하는 문제점이 존재한다. VNIR 초분광 영상은 야외에서 촬영 시 일반적으로 태양광을 활용하며, 광원의 밝기 차이가 상당한 변화를 야기한다. 이 연구에서는 광원의 영향을 최소화하고자 실내에서 할로겐 램프를 활용하여 데이터를 취득하였으나 주변 환경으로 인해 완벽한 암실을 구현할 수 없었다. 이로 인해 실내로 유입된 외부광이 센서에 영향을 주었고, 일부 화소가 세척 후에 세척 전보다 분광반사도가 낮아지는 결과를 야기한 것으로 사료된다. 따라서 광원의 조명효과를 통제하고 균일한 촬영 조건을 얻기 위해서는 암실의 조성이 불가피하다.

또한 이 연구는 흑색오염물을 대상으로 하는 제한적인 사례로서 다양한 석조문화유산의 복합적인 오염물에 적용하기 위해서는 심화연구가 필요하다. 특히 일부 조류와 지의류 등 생물오염은 구성 암석보다 분광반사도가 높은 사례가 확인된다(Ahn et al., 2020). 이 경우 영상차 기법을 활용한 비교가 어렵기 때문에 식생지수(Vegetation index) 등 기존에 개발된 알고리듬을 활용하여 교차분석이 필요할 것으로 사료된다.

이와 같은 사례와 앞의 연구 결과를 종합했을 때, 향후 세척을 포함한 오염물 제거 과정에서 VNIR 초분광 영상 분석을 활용하기 위해서는 암실의 조성 등 분석 환경을 균일화하고, 다양한 오염물을 비교할 수 있는 알고리듬의 적용과 개발이 필요할 것으로 판단된다. 특히 관련된 연구사례가 축적되고 체계화가 이루어진다면 비접촉ㆍ비파괴 분석 방법으로서 기존의 보존처리 효과평가 방법들을 개선할 수 있을 것으로 기대된다.

6. 결 론

1. VNIR 초분광 영상분석을 위해 표면오염물이 나타나는 석조문화유산을 검토하였다. 광원의 통제를 위해 초분광영상시스템을 실내에서 운용하는 것이 적합할 것으로 판단하였고, 실내 환경에서 보존처리가 수행 중인 국보 원주 법천사지 지광국사탑 상층기단석의 흑색오염물을 연구대상으로 선정하여 VNIR 초분광 영상을 취득하였다.

2. VNIR 초분광 영상은 세척 전⋅후 비교를 위해 전처리를 수행하였다. 전처리는 반사율 변환과 기하보정으로 나누어 수행하였으며, 기하보정의 경우 영상 대 영상 정합 기법을 활용하여 영상 간 기하조건을 동일하게 보정하였다.

3. 흑색오염물 제거 과정에서 VNIR 초분광 영상의 적용성을 평가하기 위해 사전실험을 수행하였다. 그 결과, L-5%와 L-10%의 출력에서는 오염물이 잔존하지만 L-20%의 출력에서는 오염물이 대부분 세척되는 것을 알 수 있었고, L-5%∼L-15%의 범위에서 세척을 수행하는 것이 효과적일 것으로 판단되었다.

4. 세척 전⋅후 비교를 위해 흑색오염물의 변화에 가장 민감한 823 nm 밴드 영상을 활용하여 분광반사도 변화에 따른 비교를 수행하였다. 히스토그램을 활용한 결과, 0∼2000 범위의 분광반사도 값을 가지는 화소들이 집중적으로 변화하여 더 밝은 값의 화소에 분포하는 경향을 확인하였고, 4000 이상의 값을 가지는 화소들의 변화는 가시적이지 않은 것을 확인하였다. 이는 높은 오염도로 인해 분광반사도가 낮아진 화소에 세척이 집중되었음을 시사한다.

5. 세척 전⋅후 비교를 위해 흑색오염물의 변화에 가장 민감한 823 nm 밴드 영상을 활용하여 분광반사도 변화에 따른 비교를 수행하였다. 히스토그램을 활용한 결과, 0∼2000 범위의 분광반사도 값을 가지는 화소들이 집중적으로 변화하여 더 밝은 값의 화소에 분포하는 경향을 확인하였고, 4000 이상의 값을 가지는 화소들의 변화는 가시적이지 않은 것을 확인하였다. 이는 높은 오염도로 인해 분광반사도가 낮아진 화소에 세척이 집중되었음을 시사한다.

6. 영상차 연산 결과, 육안으로 비교가 어려웠으며, 분석을 위한 가시성을 높이기 위해 변화량에 대한 단색화를 수행하여 비교한 결과, 분광반사도가 양수(+)로 증가한 화소는 동면 9.3%, 서면 20.6%, 남면 21.6%, 북면 20.6%로 산출되었다. 이러한 결과를 통해 세척이 수행된 부위에 대한 화소 개수와 분광반사도 변화량의 비교가 가능한 것을 확인하였다.

7. 연구 결과를 종합했을 때, 향후 세척을 포함한 오염물 제거 과정에서 VNIR 초분광 영상분석을 활용하기 위해서는 암실의 조성 등 분석 환경을 균일화하고, 다양한 오염물을 비교할 수 있는 알고리듬의 적용과 개발이 필요할 것으로 판단된다. 특히 관련된 연구사례가 축적되고 체계화가 이루어진다면 비접촉⋅비파괴 분석 방법으로서 기존의 보존처리 효과 평가 방법들을 개선할 수 있을 것으로 기대된다.

Acknowledgements

이 연구는 문화재청 국립문화재연구원 “문화유산 조사연구(R&D)”의 지원을 받아 수행된 연구임을 명기하며, 기관의 지원에 감사드립니다.

References

Ahn Y.B., Yoo J.H., Choie M., Lee M.S.. 2020;Accuracy assessment and classification of surface contaminants of stone cultural heritages using hyperspectral image-focusing on stone buddhas in four directions at Gulbulsa Temple Site, Gyeongju. Journal of Conservation Science 36(2):73–81. (in Korean with English abstract).
Ahn Y.B., Yoo J.H., Chun Y.G., Lee M.S.. 2021;Analysis of changes in vegetation index through long-term monitoring of petroglyphs of Cheonjeon-ri, Ulju. Journal of Conservation Science 37(6):659–669. (in Korean with English abstract).
Cucci C., Casini A.. 2020. Hyperspectral imaging for artworks investigation. In: Data handling in science and technology 32 Elsevier. p. 583–604.
Esbert R.M., Grossi C.M., Rojo A., Alonso F.J., Montoto M., Ordaz J., Pérez de Andrés M.C., Escudero C., Barrera M., Sebastiánc E., Rodríguez-Navarro C., Elert K.. 2003;Application limits of Q-switched Nd: YAG laser irradiation for stone cleaning based on colour measurements. Journal of Cultural Heritage 4:50–55. (in Korean with English abstract).
Fiorucci M.P., López A.J., Ramil A., Pozo S., Rivas T.. 2014. Monitoring the laser cleaning of granites by means of multispectral image analysis. In : Second International Conference on Applications of Optics and Photonics. Aveiro, Portugal; May 26-30; p. 138–146.
Gaspar P., Hubbard C., McPhail D., Cummings A.. 2003;A topographical assessment and comparison of conservation cleaning treatments. Journal of Cultural Heritage 4:294–302.
Hou M., Zhou P., Lv S., Hu Y., Zhao X., Wu W., Tan L.. 2018;Virtual restoration of stains on ancient paintings with maximum noise fraction transformation based on the hyperspectral imaging. Journal of Cultural Heritage 34:136–144.
Jensen R.J.. 2005;Introductory digital image processing: a remote sensing perspective. Sigmapress 4:338–352.
Kang S.H., Lee T.J., Cho H.J., Park H.J.. 2019;Type classication and removal method study of black contaminant on the Stupa of the State Preceptor Jigwang from the Beopcheonsaji Temple Site in Wonju, Korea. Conservation Science Studies 40:55–68. (in Korean with English abstract).
Kennedy R.E., Townsend P.A., Gross J.E., Cohen W.B., Bolstad P., Wang Y.Q., Adams P.. 2009;Remote sensing change detection tools for natural resource managers: understanding concepts and tradeoffs in the design of landscape monitoring projects. Remote Sensing of Environment 113(7):1382–1396.
Kim D.S., Kim H.T.. 2008;Automatic thresholding method using cumulative similarity measurement for unsupervised change detection of multispectral and hyperspectral images. Korean Journal of Remote Sensing 24(4):341–349.
Klein S., Fekrsanati F., Hildenhagen J., Dickmann K., Uphoff H., Marakis Y., Zafiropulos V.. 2001;Discoloration of marble during laser cleaning by Nd: YAG laser wavelengths. Applied Surface Science 171(3-4):242–251.
Lee G.S.. 2021;Remote sensing principle and method. CIR (in Korean with English abstract).
Pan N., Hou M., Lv S., Hu Y., Zhao X., Ma Q., Shaker A.. 2017;Extracting faded mural patterns based on the combination of spatial-spectral feature of hyperspectral image Journal of Cultural Heritage; 27:80–87.
Park N.W., Chi K.H., Lee K.J., Kwon B.D.. 2003;Automatic estimation of threshold values for change detection of multi-temporal remote sensing images. Journal of Remote Sensing 19(6):465–478. (in Korean with English abstract).
Peng J., Yu K., Wang J., Zhang Q., Wang L., Fan P.. 2019;Mining painted cultural relic patterns based on principal component images selection and image fusion of hyperspectral images. Journal of Cultural Heritage 36:32–39.
Pérez M., Arroyo-Lemus E., Ruvalcaba-Sil J.L., Mitrani A., Maynez-Rojas M.A., de Lucio O.G.. 2021. Technical non-invasive study of the novo-hispanic painting the Pentecost by Baltasar de Echave Orio by spectroscopic techniques and hyperspectral imaging: in quest for the painter’s hand. Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy 250.
Pouyet E., Devine S., Grafakos T., Kieckhefer R., Salvant J., Smieska L., Walton M.. 2017;Revealing the biography of a hidden medieval manuscript using synchrotron and conventional imaging techniques. Analytica Chimica Acta 982:20–30.
Pozo-Antonio J.S., Fiorucci M.P., Ramil A., López A.J., Rivas T.. 2015;Evaluation of the effectiveness of laser crust removal on granites by means of hyperspectral imaging techniques. Applied Surface Science 347:832–838.
Rebollo E., Nodari L., Russo U., Bertoncello R., Scardellato C., Romano F., Poletto L.. 2013;Non-invasive multitechnique methodology applied to the study of two 14th century canvases by Lorenzo Veneziano. Journal of Cultural Heritage 14(3):160–160.
Richards J.A.. 2022. Remote sensing digital image analysis: Sixth Edition Springer. Berlin: p. 65–73.
Rivas T., Pozo S., Fiorucci M.P., López A.J., Ramil A.. 2012;Nd: YVO4 laser removal of graffiti from granite. Influence of paint and rock properties on cleaning efficacy. Applied Surface Science 263:563–572.
Shiel P., Rehbein M., Keating J.. 2009;The ghost in the manuscript: hyperspectral text recovery and segmentation. Codicology and Palaeography in the Digital Age :159–174.
Shin J.I., Maghsoudi Y., Kim S.H., Kang S.J., Lee K.S.. 2008;Vicarious radiometric calibration of the ground-based hyperspectral camera image. Korean Journal of Remote Sensing 24(2):213–222. (in Korean with English abstract).
Siano S., Fabiani F., Pini R., Salimbeni R., Giamello M., Sabatini G.. 2000;Determination of damage thresholds to prevent side effects in laser cleaning of pliocene sandstone of Siena. Journal of Cultural Heritage 1:47–53. (in Korean with English abstract).
Singh A.. 1989;Review article digital change detection techniques using remotely-sensed data. International journal of remote sensing 10(6):989–1003.
Song Y.S.. 2020;The necessity analysis of atmospheric effect correction of drone hyperspectral image. Journal of Korean Society for Geospatial Information Science 28(3):51–58. (in Korean with English abstract).
Striova J., Dal Fovo A.. 2020;Reflectance imaging spectroscopy in heritage science. La Rivista del Nuovo Cimento 43(10):531–534.
Vettori S., Verrucchi M., Di Benedetto F., Gioventù E., Benvenuti M., Pecchioni E., Moretti S.. 2021;Hyperspectral sensor: A handy tool to evaluate the efficacy of cleaning procedures. Journal of Cultural Heritage 49:79–84.
Yeon J.M., Kim H.O., Yoon B.Y.. 2012;A study on object based image analysis methods for land use and land cover classification in agricultural areas. Journal of the Korean Association of Geographic Information Studies 15(3):66–80. (in Korean with English abstract).

Article information Continued

Figure 1.

The object of study and VNIR hyperspectral image analysis system. (A) Status of the object (Stupa of State Preceptor Jigwang from Beopcheonsa Temple Site, Wonju), (B) Application of VNIR hyperspectral image analysis system.

Figure 2.

Geometry correction results on VNIR hyperspectral image of before and after cleaning (R: 650 nm, G: 550 nm, B: 450 nm).

Figure 3.

Effect of cleaning black contaminats depending on the laser power. (A) VNIR hyperspectral images of before and after laser cleaning, (B) Microscope images of after cleaning area, (C) Spectral reflectance depending on the laser power.

Figure 4.

Histogram of spectral reflectance differences between before and after cleaning.

Figure 5.

Image difference analysis results. (A) Gray scale image of 823 nm wavelength band, (B) image differene analysis results, (C) Monochromatic application results, (D) Calculating results of spectral reflectance changing area.