[論文レビュー] A Clearer Picture of Blind Deconvolution

Daniele Perrone, Paolo Favaro|arXiv (Cornell University)|Nov 30, 2014

Advanced Image Processing Techniques参考文献 35被引用数 3

ひとこと要約

この論文は、盲目的デコンボリューションにおける長年のパラドックスを解消する。全変動（TV）に基づくアルゴリズムが成功する理由は、TVの事前分布そのものではなく、最適化中に制約（特にぼかしカーネルの正値性と正規化）が逐次的に適用されることに起因する。理論的には、このようなアルゴリズムはぼかしなし解に閉じ込められると予測されるが、著者らはこの実装上の詳細のおかげで真の解に収束できることを示し、単純で頑健なアルゴリズムで最先端の性能を達成している。

ABSTRACT

Blind deconvolution is the problem of recovering a sharp image and a blur kernel from a noisy blurry image. Recently, there has been a significant effort on understanding the basic mechanisms to solve blind deconvolution. While this effort resulted in the deployment of effective algorithms, the theoretical findings generated contrasting views on why these approaches worked. On the one hand, one could observe experimentally that alternating energy minimization algorithms converge to the desired solution. On the other hand, it has been shown that such alternating minimization algorithms should fail to converge and one should instead use a so-called Variational Bayes approach. To clarify this conundrum, recent work showed that a good image and blur prior is instead what makes a blind deconvolution algorithm work. Unfortunately, this analysis did not apply to algorithms based on total variation regularization. In this manuscript, we provide both analysis and experiments to get a clearer picture of blind deconvolution. Our analysis reveals the very reason why an algorithm based on total variation works. We also introduce an implementation of this algorithm and show that, in spite of its extreme simplicity, it is very robust and achieves a performance comparable to the state of the art.

研究の動機と目的

• TVに基づく盲目的デコンボリューションアルゴリズムの実験的成功と理論的失敗の矛盾を解消すること。
• 全変動正則化を用いた交互最小化が、理論的予測では失敗するとされるにもかかわらず、正しい解に収束する理由を分析すること。
• 成功の鍵がTV事前分布そのものではなく、最適化中の制約の逐次適用にあることを示すこと。
• フィルタリングやエッジ強化、ぼかしカーネルの事前分布を省いた最小限の制約逐次アルゴリズムが、最先端の手法と同等の性能を達成できることを示すこと。

提案手法

• 著者らは、ステップ関数の画像とカーネルを用いた簡略化された一次元モデルを用いて、TVに基づく盲目的デコンボリューションの収束挙動を分析する。
• 解析的に証明したところ、すべての制約（正値性、正規化）を同時に適用した場合、正則化強度にかかわらず、アルゴリズムはぼかしなし解に閉じ込められることを示した。
• 一方で、制約を逐次適用する（まずぼかしカーネルに、次に画像に）と、アルゴリズムはぼかしなし解から脱出し、真の解に収束することを示した。
• この手法は、制約を同時にではなく、ずらして適用する交互最小化を用いたプライマル・デュアル法（PAM）に依存している。
• 著者らは、フィルタリングやエッジ強化、ぼかしカーネルの事前分布を省いた、制約の逐次適用に特化した最小限のTVベースの盲目的デコンボリューションアルゴリズムを実装した。
• 標準データセットを用いて手法を検証し、最先端の手法と比較した。その結果、洗練された改良を加えていなくても、競争力のある性能を示した。

実験結果

リサーチクエスチョン

• RQ1 TVに基づく盲目的デコンボリューションアルゴリズムが、理論的には失敗すると予測されるにもかかわらず、実際には正しい解に収束する理由は何か？
• RQ2 制約の逐次的適用が、ぼかしなし解からの脱出を可能にする役割は何か？
• RQ3 高度な事前分布やフィルタリングを含まない単純なアルゴリズムが、最先端の手法と同等の性能を達成できるか？
• RQ4 目的関数の構造と制約処理の方法が、非凸な盲目的デコンボリューション問題における収束に与える影響は何か？

主な発見

• 理論的分析により、すべての制約を同時に適用した連合最小化では、正則化強度にかかわらず、ぼかしなし解に収束することが確認された。
• 実際には、チャンとウォンの[8]のようなアルゴリズムが成功するのは、制約が逐次的に適用されているからであり、同時に適用されていないため、ぼかしなし解に閉じ込められる対称性が破れる。
• ぼかしカーネルの正値性と正規化を逐次的に適用するだけで、TV事前分布のみで、追加の事前分布やフィルタリングなしに真の解への収束が可能である。
• フィルタリングやエッジ強化、ぼかしカーネルの事前分布を省いた最小限の実装でも、標準データセット上で最先端の手法と同等の性能を達成した。
• 正確な境界条件が結果を改善することが示されたが、この文脈では入力信号のフィルタリングは望ましくない可能性がある。