[論文レビュー] A Complex Constrained Total Variation Image Denoising Algorithm with Application to Phase Retrieval

Yunhui Gao, Liangcai Cao|arXiv (Cornell University)|Sep 12, 2021

Advanced X-ray Imaging Techniques参考文献 46被引用数 6

ひとこと要約

本稿では、複素数値画像のための複素数制約付き全変動（TV）ノイズ除去アルゴリズムを提案する。実数値TVを複素数ドメインにおける等方的および非等方的形に拡張したものであり、双対に基づく加速勾配射影法を用いることで、TV正則化最適化問題の効率的解法が可能となり、物理的制約を組み込んだ位相再構成への応用により、収束性とスパarsityの活用が向上する。

ABSTRACT

This paper considers the constrained total variation (TV) denoising problem for complex-valued images. We extend the definition of TV seminorms for real-valued images to dealing with complex-valued ones. In particular, we introduce two types of complex TV in both isotropic and anisotropic forms. To solve the constrained denoising problem, we adopt a dual approach and derive an accelerated gradient projection algorithm. We further generalize the proposed denoising algorithm as a key building block of the proximal gradient scheme to solve a vast class of complex constrained optimization problems with TV regularizers. As an example, we apply the proposed algorithmic framework to phase retrieval. We combine the complex TV regularizer with the conventional projection-based method within the constraint complex TV model. Initial results from both simulated and optical experiments demonstrate the validity of the constrained TV model in extracting sparsity priors within complex-valued images, while also utilizing physically tractable constraints that help speed up convergence.

研究の動機と目的

• 実数値TVを複素数ドメインに拡張することで、等方的および非等方的複素数TV半ノルムを定義し、複素数値画像への全変動正則化を拡張すること。
• 双対アプローチと加速勾配射影法を用いて、複素数TVノイズ除去のための効率的最適化アルゴリズムを開発すること。
• ノイズ除去フレームワークを、より広範なクラスの複素数TV正則化最適化問題に応用可能な近似射影演算子として一般化すること。
• フレームワークを位相再構成に応用し、物理的制約とTV正則化を統合することで、再構成品質と収束速度を向上させること。

提案手法

• 実数値TVを複素数ドメインに拡張することで、等方的および非等方的両形式の複素数TV半ノルムを定義する。
• 双対最適化アプローチを用いて、計算を効率化するための制約付きノイズ除去問題を定式化する。
• 双対問題を解くために加速勾配射影アルゴリズムを導出することで、高速な収束を確保する。
• より広範なTV正則化最適化フレームワークへの応用を可能とするために、アルゴリズムを近似射影演算子として一般化する。
• 投影ベースの位相再構成法に複素数TV正則化子を統合し、物理的制約とスパarsityの事前知識を組み合わせる。
• 得られた制約付き複素数TVモデルを用いて、画像の忠実性を保ちながら位相再構成を加速する。

実験結果

リサーチクエスチョン

• RQ1 等方的および非等方的両形式において、全変動正則化を意味的に複素数値画像に拡張する方法は何か？
• RQ2 複素数値画像のTV正則化による制約付きノイズ除去を効率的に行う最適化戦略は何か？
• RQ3 提案されたノイズ除去フレームワークを、より広範なTV正則化最適化問題に応用可能な近似射影演算子として一般化できるか？
• RQ4 物理的制約と複素数TVを統合することで、位相再構成の性能はどのように向上するか？
• RQ5 スパarsity事前知識と物理的制約の組み合わせが、位相再構成における収束速度と再構成精度に与える影響は何か？

主な発見

• 提案された複素数制約付きTVモデルは、複素数値画像からのスパarsity事前知識を効果的に抽出し、ノイズ除去性能を向上させる。
• 加速勾配射影アルゴリズムは、テストされた位相再構成シナリオにおいて、標準的手法よりも高速な収束を達成する。
• シミュレーションおよび光学実験により、制約付きTVモデルが構造的詳細を保持しながらノイズを低減する有効性が確認された。
• 物理的制約と複素数TV正則化を統合することで、位相再構成応用における収束速度が顕著に向上する。
• 一般化されたフレームワークにより、ノイズ除去を超える広範なクラスの複素数値最適化問題へのTV正則化のロバストな応用が可能になる。