[論文レビュー] Aspects of 2D-Adaptive Fourier Decompositions

You Gao, Tao Qian+2 more|arXiv (Cornell University)|Oct 24, 2017

Image and Signal Denoising Methods参考文献 31被引用数 3

ひとこと要約

本稿は、画像表現のための2次元適応フーリエ分解（2D-AFD）手法、特に積型AFDおよび2D-プリオーガ（2D-Pre-OGA）アルゴリズムを導入し、数値的に検証する。これらの手法は、従来のフーリエ法、グリーディ法、直交一致追求法と比較して、優れた画像再構成精度と高速な収束性を達成しており、256項での近似において2D-Pre-OGAが最高のPSNR（30 dB）と構造的類似性（MSSIM）を達成した。

ABSTRACT

As a new type of series expansion, the so-called one-dimensional adaptive Fourier decomposition (AFD) and its variations (1D-AFDs) have effective applications in signal analysis and system identification. The 1D-AFDs have considerable influence to the rational approximation of one complex variable and phase retrieving problems, etc. In a recent paper, Qian developed 2D-AFDs for treating square images as the essential boundary of the 2-torus embedded into the space of two complex variables. This paper studies the numerical aspects of multi-dimensional AFDs, and in particular 2D-AFDs, which mainly include (i) Numerical algorithms of several types of 2D-AFDs in relation to image representation; (ii) Perform experiments for the algorithms with comparisons between 5 types of image reconstruction methods in the Fourier category; and (iii) New and sharper estimations for convergence rates of orthogonal greedy algorithm and pre-orthogonal greedy algorithm. The comparison shows that the 2D-AFD methods achieve optimal results among the others.

研究の動機と目的

• 2次元トーラス上における2次元適応フーリエ分解（2D-AFD）の数値的アルゴリズムの開発および実装を目的とする。
• PSNRおよびMSSIM指標を用いて、フーリエ分解（FD）、グリーディアルゴリズム（GA）、直交グリーディアルゴリズム（OGA）、積型AFD、2D-プリオーガ（2D-Pre-OGA）の5つの画像再構成手法の性能を比較する。
• 一般ヒルバート空間における弱直交グリーディアルゴリズム（WOGA）および弱プリ直交グリーディアルゴリズム（WPre-OGA）の新たな鋭い事後誤差境界を導出する。
• 2D-プリオーガ（2D-Pre-OGA）がグラム・シュミット直交化を必要とせずに、最適な収束性および再構成品質を達成できることを確立する。

提案手法

• 2次元トーラス上での画像データに対して、それぞれアルゴリズム1およびアルゴリズム3を用いて、積型AFDおよび2D-プリオーガによる2D-AFDの数値的実装を提案する。
• 一般化された逆シフト変換を用いて、非直交辞書要素（ツェーゲー核）から正規直交系を構築し、グラム・シュミット法による数値的不安定性を回避する。
• 最大選択原理（MSP）を用い、各ステップでエネルギー低減を最大にするパラメータ $ a_k otin ar{\text{D}} $ を逐次選択することで、高速な収束を保証する。
• タケナカ＝マルムイスト（TM）系を $ H^2(\text{D}) $ における完全正規直交基底として用い、$ B_k(z) = \frac{\rho_k}{1 - \bar{a}_k z} \times \text{ブラシケ因子の積} $ とすることで、有理関数による直交分解を可能にする。
• ヒストограм比較にはバタチャリャ距離を、256項近似における画像品質の定量的評価にはPSNRおよびMSSIMを用いる。
• WOGAおよびWPre-OGAの新たな事後誤差境界を導出し、反復のリアルタイムデータを組み込むことで、標準的な事前境界を上回る精度向上を実現する。

実験結果

リサーチクエスチョン

• RQ1 積型AFDおよび2D-プリオーガ（2D-Pre-OGA）を含む2D-AFD手法は、従来のフーリエ法、グリーディ法、直交一致追求法と比較して、画像再構成品質においてどのように差をつけるか？
• RQ2 2D-プリオーガ（2D-Pre-OGA）は、グラム・シュミット直交化を必要とせずに、既存のグリーディ型アルゴリズムよりも高速な収束性と優れた画像忠実度を達成できるか？
• RQ3 弱直交および弱プリ直交グリーディアルゴリズムの理論的誤差境界は何か？ また、反復からの事後情報を利用することで、それらを改善できるか？
• RQ4 2D-AFDフレームワークは、1次元-AFDが有するエネルギー収束の高速性および非負の周波数特性を、画像処理においてどの程度引き継いでいるか？
• RQ5 2D-AFDに基づく近似において、PSNRおよびMSSIM値は、項数（N = 1, 16, 64, 256）の変化に伴いどのように変化するか？

主な発見

• 2D-プリオーガ（2D-Pre-OGA）は256項近似で最高のPSNR（30 dB）を達成し、他のすべての手法（積型AFD、OGAなど）を上回った。
• 2D-プリオーガ（2D-Pre-OGA）は構造的類似性（MSSIM）においても最良の結果を示し、N = 256でQAスコアが0.8763に達した。これはGA（0.8107）およびFD（0.8516）を大きく上回った。
• 積型AFDおよび2D-プリオーガ（2D-Pre-OGA）はバタチャリャ距離の改善が最も一貫しており、N=1では0.6376であったのを、N=256ではそれぞれ0.8456および0.8763に向上させた。
• 2D-プリオーガ（2D-Pre-OGA）アルゴリズムは弱型の $ t = 1 $ を達成しており、これは最適な収束行動を示す。これに対してGAおよびOGAはこの閾値に達しなかった。
• WOGAおよびWPre-OGAの新たな事後誤差境界は、標準的な事前境界よりも鋭く、より正確であり、反復のリアルタイムデータを組み込んでいるためである。
• GAは256項でもぼやけた再構成を示し、エネルギーが分散している信号や特異性を持つ信号では収束が悪いことが示された。一方、2D-AFD手法は細部を効果的に保持していた。