본 논문은 ISS에 탑재된 IMAGIN-e 미션의 지구 관측 이미지에서 발생하는 기계적 초점 흐림 문제를 해결하기 위해, 우주 기반 에지 컴퓨팅 제약 조건에 맞춰 설계된 블라인드 디블러링 기법을 제안한다. Sentinel-2 데이터를 활용하여 초점 흐림 커널을 추정하고 GAN 프레임워크 내에서 복원 모델을 훈련하는데, 참조 이미지 없이 효과적으로 동작한다. 합성적으로 저하된 Sentinel-2 이미지에서는 SSIM이 72.47%, PSNR이 25.00% 향상되었으며, 원본 이미지가 알려진 경우 손실된 디테일을 복원하는 모델의 능력을 확인했다. 참조 이미지가 없는 IMAGIN-e 이미지에서는 NIQE가 60.66%, BRISQUE가 48.38% 향상되는 등 지각적 품질 향상을 보였고, 실제 우주 환경에서의 온보드 복원의 유효성을 검증했다. 본 기법은 현재 IMAGIN-e 미션에 배포되어 실제 운영 우주 환경에서의 실용적인 적용을 보여준다. 고해상도 이미지를 에지 컴퓨팅 제약 조건 하에서 효율적으로 처리함으로써, 자원 제약에도 불구하고 수체 분할 및 윤곽 검출과 같은 응용 프로그램을 가능하게 한다.
