DnCNN for Marine Radar Image Denoising: A Comparison of Pretrained, Fine-tuned, and From-scratch Training

선박의 레이더 물표 탐지에서 영상 잡음은 탐지 신뢰도를 저하시키는 주요 요인이다. 본 연구는 선박 레이더 영상의 잡음 제거를 위해 딥러닝 기반 잡음 제거 신경망인 DnCNN을 적용하고, 그 성능을 전통적 잡음 제거 기법과 비교·분석한다. 스펙클·가우시안·임펄스 잡음을 결합한 복합 잡음을 세 가지 강도 단계로 정의한다. DnCNN을 사전 학습 모델 적용, 미세 조정, 무작위 초기화 학습의 세 조건으로 학습하여 위너 필터·비등방 확산 필터·중앙값 필터와 비교하였다. 시험 영상 226장에 대한 평가 결과, 세 가지 DnCNN 변형은 모든 잡음 단계와 모든 지표에서 전통적 기법을 크게 능가하였다. 특히 무작위 초기화 학습 DnCNN은 PSNR 39.66 dB, SSIM 0.965를 기록하였으며, 잡음 강도 증가에 따른 성능 저하가 가장 작아 강건성 측면에서 우수하였다. 본 결과는 DnCNN이 선박의 레이더 영상 전처리 모듈로서 실용적으로 활용될 수 있음을 보인다.