[論文レビュー] Coercive functions from a topological viewpoint and properties of minimizing sets of convex functions appearing in image restoration

René Ciak|arXiv (Cornell University)|Jun 23, 2015

Sparse and Compressive Sensing Techniques参考文献 12被引用数 4

ひとこと要約

本稿は、画像復元の文脈において、凸関数の強制的関数と最小化集合を、位相的および変分的解析を用いて調査する。主な結果として、ある重要な最適性条件における等式が、候補点が最小化点でない場合にのみ成立することを示し、Ψ(x) = x² を用いた反例により、この条件の必要性を裏付けている。

ABSTRACT

Many tasks in image processing can be tackled by modeling an appropriate data fidelity term $Φ: \mathbb{R}^n ightarrow \mathbb{R} \cup \{+\infty\}$ and then solve one of the regularized minimization problems \begin{align*} &{}(P_{1,τ}) \qquad \mathop{ m argmin}_{x \in \mathbb R^n} \big\{ Φ(x) \;{ m s.t.}\; Ψ(x) \leq τ\big\} \\ &{}(P_{2,λ}) \qquad \mathop{ m argmin}_{x \in \mathbb R^n} \{ Φ(x) + λΨ(x) \}, \; λ> 0 \end{align*} with some function $Ψ: \mathbb{R}^n ightarrow \mathbb{R} \cup \{+\infty\}$ and a good choice of the parameter(s). Two tasks arise naturally here: \begin{align*} {}& ext{1. Study the solver sets ${ m SOL}(P_{1,τ})$ and ${ m SOL}(P_{2,λ})$ of the minimization problems.} \\ {}& ext{2. Ensure that the minimization problems have solutions.} \end{align*} This thesis provides contributions to both tasks: Regarding the first task for a more special setting we prove that there are intervals $(0,c)$ and $(0,d)$ such that the setvalued curves \begin{align*} τ\mapsto {}& { m SOL}(P_{1,τ}), \; τ\in (0,c) \\ {} λ\mapsto {}& { m SOL}(P_{2,λ}), \; λ\in (0,d) \end{align*} are the same, besides an order reversing parameter change $g: (0,c) ightarrow (0,d)$. Moreover we show that the solver sets are changing all the time while $τ$ runs from $0$ to $c$ and $λ$ runs from $d$ to $0$. In the presence of lower semicontinuity the second task is done if we have additionally coercivity. We regard lower semicontinuity and coercivity from a topological point of view and develop a new technique for proving lower semicontinuity plus coercivity. Dropping any lower semicontinuity assumption we also prove a theorem on the coercivity of a sum of functions.

研究の動機と目的

• 強制的性質と位相的性質が、凸関数の最小化集合を特徴付ける役割を理解すること。
• 最適性条件における等式が成立する条件を明確にすること、特に非最小化点であることが必要であることの強調。
• 下位集合の構造と変分問題における部分微分の関係を調査すること。
• 凸最小化に依存する画像復元モデルの理論的基盤を提供すること。

提案手法

• 最適性条件を検証するための標準的例として、関数 Ψ(x) = x² を分析する。
• 最小化点 x* = 0 ∈ int(dom Ψ) における下位集合 S = lev_Ψ(0)Ψ = {0} を検討する。
• 部分微分 R_+ ∂Ψ(x*) = {0} が生成する正の射線と、指示関数 ∂ι_S(x*) の部分微分を比較する。
• 位相的議論を用いて、x* が最小化点である場合に最適性条件における等式が成立しないことを示す。
• 部分微分計算および指示関数を含む変分解析の道具を用いて、最小化集合を研究する。
• 与えられた例を用いた背理法により、非最小化点である条件の必要性を確立する。

実験結果

リサーチクエスチョン

• RQ1 凸関数に対して、最適性条件 (LABEL:wichtig) における等式が成立する条件は何か？
• RQ2 なぜ、等式が達成されるためには x* が最小化点でないことが不可欠なのか？
• RQ3 最小化点 x* = 0 において、Ψ と指示関数 ι_S の部分微分はどのように関係しているか？
• RQ4 凸最適化における最小化集合を特徴付ける、位相的および変分的性質は何か？
• RQ5 例 Ψ(x) = x² は、非最小化点である条件の必要性をどのように示しているか？

主な発見

• 反例 Ψ(x) = x² により、x* が最小化点である場合に最適性条件 (LABEL:wichtig) における等式が成立しないことが示された。
• x* = 0 において、部分微分 R_+ ∂Ψ(x*) = {0} は、完全な部分微分 ∂ι_S(x*) = R に真に含まれており、厳密な包含関係が成立する。
• 集合 S = lev_Ψ(0)Ψ = {0} は単集合であるため、最小化点が孤立しており、下位集合が自明であることが示された。
• 解析により、x* が最小化点でないという条件が、提示された最適性条件における等式の成立に不可欠であることが確認された。
• 例は、強制的性質と定義域の位相的構造が、最小化点における部分微分の挙動に与える影響を示している。
• 結果として、凸解析における最小化点に応用される部分微分計算において、きわめて繊細だが重要な差異が浮き彫りになった。