1. 심우주 관측의 최대 방해꾼, 고에너지 우주선(Cosmic Ray)과 CCD의 물리적 상호작용
우주망원경이 대기권 밖에서 관측을 수행할 때 마주하는 가장 가혹한 환경 요소 중 하나는 바로 고에너지 우주선(Cosmic Ray)입니다. 대기가 차단해 주는 지상과 달리, 심우주 공간에서는 양성자, 알파 입자, 그리고 중이온 등으로 구성된 하전 입자들이 아무런 제약 없이 고속으로 날아와 탑재된 CCD 센서를 직접 타격합니다.
이 고에너지 입자가 CCD 센서의 실리콘 격자를 통과할 때, 막대한 양의 전자-정공 쌍(Electron-Hole Pair)을 순간적으로 생성합니다. 이 현상은 타격 전면부에 걸쳐 매우 조밀하게 발생하며, 센서의 물리적 포화 용량(Full-well Capacity)을 순식간에 초과하여 이미지상에 극도로 밝은 점(Single-pixel Event)이나 길게 늘어진 궤적(Streak/Track) 형태의 심각한 노이즈를 남기게 됩니다.
■ CCD 상에 투영되는 Cosmic Ray 피격 흔적의 종류
- 점형(Spots): 입자가 센서 평면에 거의 수직으로 입사하여 단일 또는 극소수의 픽셀만 포화시킨 형태입니다.
- 선형(Tracks): 센서 평면과 비스듬한 각도로 입사하여 여러 픽셀을 대각선이나 직선 방향으로 긁고 지나간 선형 궤적입니다.
- 웜형(Worms): 에너지를 잃어가던 입자가 실리콘 내부에서 다중 산란을 일으키며 구불구불한 곡선 잔상을 남긴 복잡한 형태입니다.
2. 하전 입자 흔적 식별을 위한 고차원 통계 알고리즘
실무에서 이 노이즈를 걸러낼 때 가장 주의해야 하는 점은 “진짜 별빛(Point Source)”과 “우주선 노이즈”를 오인하지 않고 정확히 식별해 내는 것입니다. 우주선 노이즈는 광학계의 점확산함수(Point Spread Function, PSF)를 거치지 않고 센서 자체를 직접 물리적으로 때린 결과물이기 때문에, 천체 고유의 빛 신호와 확연히 다른 수학적 특성을 가집니다.
■ 라플라시안 에지 검출(Laplacian Edge Detection) 기반 식별 메커니즘
실제 과학 임무 파이프라인에서 널리 쓰이는 L.A.Cosmic(Laplacian Cosmic Ray Identification) 알고리즘은 이미지의 2차 미분인 라플라시안 필터를 적용하여 에지의 날카로움을 정량화합니다. 별빛은 아무리 밝아도 망원경 광학계(PSF)의 한계로 인해 주변 픽셀로 부드럽게 감쇄되지만, 우주선 피격 픽셀은 주변과 극단적인 단차를 보이며 에지의 곡률이 수학적으로 무한대에 가깝게 치솟기 때문입니다.
$$\mathcal{L}(x, y) = \frac{\partial^2 I}{\partial x^2} + \frac{\partial^2 I}{\partial y^2}$$
이렇게 계산된 라플라시안 이미지 $\mathcal{L}(x, y)$ 값을 원래 이미지의 국소적 노이즈 레벨로 나누어 신호 대 잡음비(S/N) 맵을 형성하고, 특정 임계값(Threshold)을 초과하는 픽셀 영역을 우주선 피격 마스크(Mask)로 지정하여 격리합니다.
3. 잃어버린 데이터의 복원: 고정밀 픽셀 보간(Interpolation) 필터 설계
우주선 피격 픽셀을 식별하고 제거한 뒤에는 그 빈자리를 자연스럽게 메우는 **보간(Interpolation) 작업**이 필수적입니다. 단순히 주변 평균값으로 채우는 일반 보간 기법은 천체 측정학적(Astrometric) 및 광도학적(Photometric) 정밀도를 완전히 망가뜨리기 때문에 실무에서는 정교한 필터를 적용해야 합니다.
■ 가중 미디언(Weighted Median) 필터와 양방향 이방성 보간
피격 영역이 국소적인 경우, 주변 무손상 픽셀들의 가중 분산 값을 가중치로 사용하는 가중 미디언 필터가 효과적입니다. 하지만 긴 선형(Tracks)이나 웜(Worms) 형태의 피격 영역은 픽셀 유실 면적이 넓어 단순 필터만으로는 원본 정보를 복원하기 어렵습니다.
이때는 주변 천체의 배경 그라디언트와 성운의 디테일 방향성을 분석하여 데이터 경향성을 따라 채워 넣는 이방성 확산(Anisotropic Diffusion) 및 크리깅(Kriging) 보간 기법을 결합하여 경계선과 질감을 아주 자연스럽고 정밀하게 환원시킵니다.
💡 김은지 소장의 독창적 제어 팁 (Creative Control Strategy)
“망원경이 흔들리거나 관측 시간이 촉박할 때 디더링(Dithering, 아주 미세하게 망원경 조준 각도를 틀어가며 여러 장 찍는 기법)을 충분히 수행하지 못하는 상황이 발생하곤 합니다. 이럴 때 단 한 장의 원본 데이터(Single Frame)만으로 우주선을 처리해야 한다면 보간 필터의 성능이 논문의 퀄리티를 가르게 됩니다. 제가 실무에서 적용해 큰 효과를 보았던 방식은, 보간 필터의 타겟 픽셀 주변에 ‘광학계 고유의 2차원 가우시안 PSF 모델’을 강제로 피팅(Fitting)시켜 국소 역평가를 하는 것이었습니다. 단순히 통계적 중간값으로 채우는 것보다, 해당 영역의 밝기 분포가 가진 물리적 상수를 역추적하여 값을 대입하면 데이터 복원 신뢰도가 극적으로 증가합니다.”
4. 은지 소장의 비하인드: “노이즈 속에 숨겨진 진짜 별빛을 찾아서”
연구소 근무 시절, 아주 멀리 떨어진 심우주의 희미한 왜소은하를 동정(Identification)하기 위해 장시간 노출을 준 원시 이미지를 인계받은 적이 있습니다. 노출 시간이 길었던 만큼 이미지판은 고에너지 양성자가 때리고 간 하얗고 굵은 우주선 트랙 수십 개로 엉망진창이 되어 있었습니다.
공동 연구단 내의 주니어 연구원이 기존에 세팅된 자동 필터 패키지를 그냥 적용했더니, 하필이면 우리가 찾던 왜소은하의 가장 핵심적인 밀집 성단 영역이 우주선 웜 궤적과 겹쳐서 마스킹 처리가 되는 바람에 통째로 증발해 버리는 연산 오류가 발생했습니다. 성단 자체의 피크(Peak)가 너무 예리해서 필터가 이를 하전 입자 흔적으로 잘못 판정한 것이었죠.
저는 그 즉시 자동 필터 적용을 중단시키고, 원시 데이터를 직접 한 픽셀씩 뜯어보며 노이즈 픽셀과 은하 중심부의 광도 프로파일 경사면(Profile Slope)을 분리하는 조건부 제약식을 필터 로직에 추가했습니다. 밤새 수정한 알고리즘을 돌리자 거짓말처럼 은하의 아기별 성단은 원래의 아름다운 프로파일을 유지한 채 살아났고, 겹쳐서 은하를 가리고 있던 우주선 노이즈만 칼로 오려낸 듯 깨끗하게 제거되었습니다.
편안하고 정형화된 기존 툴에만 의존했다면 영원히 잃어버렸을 우주의 조각을, 철저한 물리적 직관과 실무적 튜닝으로 살려내 학계에 보고했던 그날 밤의 흥분은 아직도 생생합니다.
맺음말
우주선 피격 식별과 정밀 보간은 단순히 예쁜 그림을 만드는 포토샵 작업이 아닙니다. 인류가 막대한 예산을 들여 쏘아 올린 우주망원경이 수집한 원시 데이터 속에서, 단 1%의 유효한 물리 데이터라도 더 살려내기 위한 치열한 수학적·물리학적 투쟁입니다. 이러한 신호 처리 기술의 미세한 진보가 모여 인류의 우주 이해 지평을 조금씩 넓혀가고 있습니다.
심우주 데이터 전처리 파이프라인이나 센서 교정 실무에 대해 더 깊은 토론이 필요하시거나, 경북 영천의 시원하고 깨끗한 밤하늘 아래에서 아날로그 관측의 매력을 느껴보고 싶으신 분들은 언제든 보현산 무수한별펜션으로 발걸음해 주시거나 댓글을 남겨주세요. 언제나 따뜻하게 맞이하겠습니다!
본 실무 가이드는 인포갤럭시의 지적 자산이며, 무단 배포 및 도용을 금합니다.