HSV로 위성영상의 조명 문제를 풀 수 있을까

문제: 조명 변화(그림자·촬영시간·각도)를 어떻게 다룰 것인가

지난 글에서 NDVI를 빼기로 한 뒤, 남은 문제는 그대로였다 - 위성영상은 촬영마다 태양 고도·그림자·시간대가 제각각이라 같은 지형도 조명 조건에 따라 다르게 보인다. 이 문제를 색공간 변환으로 완화할 수 있는지 확인하려고 HSV를 검토했다.

HSV란

HSV(Hue-Saturation-Value)는 색을 색조(Hue)·채도(Saturation)·명도(Value) 세 성분으로 표현하는 색공간이다. RGB가 "컴퓨터가 색을 저장하는 방식"에 가깝다면, HSV는 어떤 색 계열인지(Hue)·그 색이 얼마나 선명한지(Saturation)·얼마나 밝은지(Value)를 분리해서 보므로 사람이 색을 인지하는 방식에 더 가깝다. (OpenCV 기준으로는 H를 0179, S·V를 0255로 표현하는데, 이건 8bit 정수에 맞춘 구현상의 범위일 뿐 HSV 자체의 정의는 아니다 - 이론적으로 Hue는 0~360°다.)

HSV를 검토한 이유는 명확했다. 백색광·Lambertian 표면을 가정하면 Hue 성분은 밝기(조명) 변화에 상대적으로 덜 민감한 경향이 있다 - 같은 물체라도 그림자가 지거나 촬영 시각·각도가 달라지면 명도(Value)는 크게 바뀌지만 색조 자체는 비교적 유지되는 경우가 많다. 이 경향이 그림자·촬영시간·각도 차이를 어느 정도 완화해줄 수 있어 보였다.

Panchromatic 밴드와의 관계

위성영상에는 가시광선 전체 대역(R+G+B)을 한 번에 모아 찍는 고해상도 흑백(Panchromatic) 밴드가 따로 있는 경우가 많다. 이 밴드로 저해상도 RGB를 고해상도로 보정하는 고전적인 pan-sharpening 기법 중 하나가, RGB를 HSV로 바꾼 뒤 H·S는 그대로 두고 V(명도)만 고해상도 Panchromatic 값으로 교체해 다시 RGB로 되돌리는 방식이다(Gram-Schmidt·Brovey 등 다른 방식도 있다). 그런데 지금 다루는 데이터는 RGB 3채널이 아니라 NIR까지 포함한 4채널이고, NIR에는 대응하는 HSV 성분이 없다 - "H·S만 유지하면 된다"는 이 트릭의 전제 자체가 4채널에서는 깨진다.

결론: HSV도 TOA도 쓰지 않기로 했다

결정적인 이유는 따로 있다. 이 분류 작업에서는 사실상 "색상(반사 특성) = 라벨"이다 - forest와 meadow를 가르는 신호가 결국 Red/NIR 밴드가 만들어내는 고유한 반사 스펙트럼, 즉 Hue다. 일반 사진에서는 "조명이 달라져도 Hue는 비교적 유지된다"는 성질이 장점이지만, 여기서는 반대로 작용한다. Hue를 정규화하거나 흔든다는 건 지표면이 실제로 갖고 있는 스펙트럼 고유 특성을 지워버리는 것과 같아서, forest와 meadow를 가르는 바로 그 경계 신호를 라벨과 다르게 만들어버릴 위험이 있다 - 조명 불변성을 얻으려다 분류에 필요한 진짜 신호까지 같이 날려버리는 셈이다.

같은 이유로 TOA(Top of Atmosphere) Reflectance 보정도 채택하지 않았다. TOA는 Raw DN(단위 없는 순수 숫자, 예: 02048)을 대기 상단 물리적 반사율(0.01.0)로 바꿔주는 보정이지만, 단일 위성·비슷한 촬영 조건에서는 이미지별 Percentile Clipping(2~98% 구간의 아웃라이어를 잘라내고 [0,1]로 선형 이동·스케일하는 방식)과 결과가 거의 같아진다 - Percentile이 TOA가 보정하려는 절대적인 값 자체를 다시 한번 상대값으로 펴버리기 때문이다. 촬영 각도·시각 메타데이터까지 필요한 TOA 대신, 이미지별 Percentile Clipping 하나로 더 안정적으로 수치를 맞추는 쪽을 택했다.

정리하면 HSV·TOA 둘 다 "조명 문제를 이미지 처리로 풀어보려는" 접근이었는데, 이 프로젝트에서는 색상 자체가 라벨과 직결된 물리 신호라서 오히려 역효과가 크다는 게 공통 결론이다. 조명 문제는 색공간을 바꾸는 대신, 지난 글에서 정리한 공간·텍스처 특징과 계절 메타데이터 쪽으로 풀어가기로 했다.