[論文レビュー] A Hessian Schatten-Norm Regularization Approach For Solving Linear Inverse Problems

Stamatios Lefkimmiatis, John Paul Ward+1 more|arXiv (Cornell University)|Sep 14, 2012

Sparse and Compressive Sensing Techniques参考文献 38被引用数 3

ひとこと要約

本稿では、ステアケージ効果と呼ばれる、全変動法に共通する問題を回避するために、2階微分を活用する、悪条件な線形逆問題の画像再構成に対する新しいヘシアン・シュレーディン・ノルム正則化手法を提案する。この手法は、効率的な行列射影を、ℓq ノルムへの解析的リンクを介してシュレーディン・ノルム球上に実行するプリマル・デュアル・アルゴリズムを用いることで、多様な画像応用分野において優れた再構成品質を達成する。

ABSTRACT

We introduce a novel family of invariant, convex, and non-quadratic functionals that we employ to derive regularized solutions of ill-posed linear inverse imaging problems. The proposed regularizers involve the Schatten norms of the Hessian matrix, computed at every pixel of the image. They can be viewed as second-order extensions of the popular total-variation (TV) semi-norm since they satisfy the same invariance properties. Meanwhile, by taking advantage of second-order derivatives, they avoid the staircase effect, a common artifact of TV-based reconstructions, and perform well for a wide range of applications. To solve the corresponding optimization problems, we propose an algorithm that is based on a primal-dual formulation. A fundamental ingredient of this algorithm is the projection of matrices onto Schatten norm balls of arbitrary radius. This operation is performed efficiently based on a direct link we provide between vector projections onto $\ell_q$ norm balls and matrix projections onto Schatten norm balls. Finally, we demonstrate the effectiveness of the proposed methods through experimental results on several inverse imaging problems with real and simulated data.

研究の動機と目的

• 全変動正則化の限界、特に画像再構成におけるステアケージ効果の問題を解決すること。
• ヘシアン行列のシュレーディン・ノルムに基づく、不変性・凸性・非二次的であるような正則化の族を構築すること。
• 高階微分情報を利用することで、画像分野における悪条件な線形逆問題に対して、安定した解を得ること。
• プリマル・デュアル定式化と行列射影を用いた、収束性が保証された効率的な最適化アルゴリズムを設計すること。

提案手法

• 本手法は、各画素におけるヘシアン行列のシュレーディン p-ノルムに基づく、新たな正則化クラスを導入し、全変動を2階構造に一般化する。
• 得られた凸最適化問題を解くために、プリマル・デュアル・アルゴリズムを採用し、収束性と安定性を保証する。
• 主なイノベーションは、対称行列をシュレーディン・ノルム球上に効率的に射影することであり、これはベクトルのℓq ノルム射影への直接的な解析的リンクによって達成される。
• 射影演算は、固有値分解を用いて、行列のシュレーディン・ノルム射影を、ベクトルのℓq ノルム射影に還元することで、高速に計算可能である。
• 本フレームワークは、ノイズ除去、ぼかし復元、穴埋めなど、幅広い線形逆画像再構成問題に適用可能である。
• 本手法は、全変動と同様に、平行移動、回転、スケーリングに対して不変性を保ち、幾何的整合性を確保する。

実験結果

リサーチクエスチョン

• RQ1 ヘシアン・シュレーディン・ノルムによる2階微分の符号化が、悪条件な逆問題における全変動法と比較して、画像再構成をどのように改善するか？
• RQ2 大規模最適化に使用するため、シュレーディン・ノルム球上への行列射影を効率的に計算する方法は何か？
• RQ3 提案された正則化は、エッジや微細構造を保持しつつ、ステアケージ効果を効果的に抑制するか？
• RQ4 本手法は、実データおよびシミュレートデータを用いた多様な逆画像再構成タスクに、どの程度一般化可能か？
• RQ5 PSNRおよび構造的類似性の観点から、本手法の性能は、最先端の手法と比較してどのように評価されるか？

主な発見

• 提案されたヘシアン・シュレーディン・ノルム正則化は、全変動ベースの再構成におけるよく知られたアーチファクトであるステアケージ効果を効果的に軽減する。
• 実データおよびシミュレートデータを用いた検証により、ノイズ除去、ぼかし復元、穴埋めなど、複数の逆画像再構成タスクにおいて、優れた再構成品質が達成された。
• 解析的射影スキームのおかげで、アルゴリズムは収束が高速であり、シュレーディン・ノルム球上への行列射影の計算が高速に実行可能である。
• ベクトルのℓq ノルム射影と行列のシュレーディン・ノルム射影との間のリンクにより、スケーラブルで数値的に安定した最適化が可能になった。
• 正則化は、平行移動、回転、スケーリングに対して不変であり、幾何的変換の下でも一貫した性能を発揮する。
• 実験結果から、本手法は、標準的な全変動法および他の最先端手法と比較して、画像の忠実度および視認的品質の両面で優れていることが示された。