본 프로젝트는 TEM 이미지의 자동계측의 정확도를 향상시키는 것을 목표로 진행되었다. TEM 이미지 자동계측은 1) 이미지에서 관심 물체를 추출 후 계측하거나 2) 이미지 자체로 계측을 진행한다. 이미지에서 관심 물체를 추출한 후 계측하기 위해서는 이미지에서 관심 객체를 추출하는 segmentation 모델을 구축해야 한다. 이미지 자체로 계측을 진행하는 경우, TEM 이미지 내에 존재하는 노이즈를 제거하여 자동계측의 성능을 향상시킨다.

1. TEM 특성 최적 Semantic Segmentation 기술 연구

TEM 이미지는 촬영 방식의 특성 상 노이즈가 많이 생기며 이로 인해 물체의 경계면이 흐릿하다는 특징이 있다. 따라서 segmentation 모델을 구축할 경우 경게면에 집중한 segmentatoino 모델을 구축하여 계측 성능을 향상 시켰다. 물체의 경계면에 집중한 segmentation 모델을 구축하기 위해서 사전학습, multi-task learning, active boundary loss를 결합해서 모델을 구축했다.

2. TEM 이미지 자동 계측 전환을 위한 Image Restoration 기술 연구

TEM 이미지 내의 노이즈를 제거하기 위해서 딥러닝 기반 노이즈 제거 기법을 시도했다. 하지만 딥러닝 기반 노이즈 제거 기법은 TEM 이미지에 적합하지 않다는 것을 확인하여 전통적인 노이즈 제거 기법을 적용하게 되었다. 전통적 노이즈 제거 기법을 적용할 경우 사용자가 직접 노이즈 제거 정도를 결정하는 파라미터를 설정해야 한다는 한계점이 있다. 따라서 파라미터 선택이 필요하지 않은 최적화 기반 이미지 선형결합 방식을 제안하여 최종적인 노이즈 제거 이미지를 도출했다.