[論文レビュー] Hybrid Spatio-Spectral Total Variation: A Regularization Technique for Hyperspectral Image Denoising and Compressed Sensing

Saori Takeyama, Shunsuke Ono+1 more|arXiv (Cornell University)|Jul 31, 2019

Sparse and Compressive Sensing Techniques参考文献 37被引用数 3

ひとこと要約

本稿では、バランス重みを用いて空間的およびスペクトル的局所差分を統合的にモデル化する、ハイブリッド・スパatioスペクトル的全変動（HSSTV）と呼ばれる、ハイパースペクトル画像のノイズ除去および圧縮センシングのための新しい正則化手法を提案する。ADMMを用いて解く凸最適化問題として定式化することで、従来のTVベースの手法と比較して、計算コストを低減しつつ、より優れた復元性能を達成する。

ABSTRACT

We propose a new regularization technique, named Hybrid Spatio-Spectral Total Variation (HSSTV), for hyperspectral (HS) image denoising and compressed sensing. Regularization techniques based on total variation (TV) focus on local differences of an HS image to model its underlying smoothness and have been recognized as a popular approach to HS image restoration. However, existing TVs do not fully exploit underlying spectral correlation in their designs and/or require a high computational cost in optimization. Our HSSTV is designed to simultaneously evaluates two types of local differences: direct local spatial differences and local spatio-spectral differences in a unified manner with a balancing weight. This design resolves the said drawbacks of existing TVs. Then, we formulate HS image restoration as a constrained convex optimization problem involving HSSTV and develop an efficient algorithm based on the alternating direction method of multipliers (ADMM) for solving it. In the experiments, we illustrate the advantages of HSSTV over several state-of-the-art methods.

研究の動機と目的

• 従来の全変動（TV）手法が、スペクトル相関を十分に活用できない、または高い計算コストを伴うという限界を是正すること。
• ハイパースペクトル画像における局所的空間的およびスパティオスペクトル的差分を同時に捉える統一的な正則化フレームワークを構築すること。
• 空間的およびスペクトル的滑らかさをバランスの取れた、原理的かつ整合的な方法で統合することで、計算複雑性を低減しつつ、復元品質を向上させること。
• HSSTVを正則化項として用いることで、ハイパースペクトル画像復元を制約付き凸最適化問題として定式化すること。
• 実用的なスケーラビリティを備えた効率的なADMMベースのアルゴリズムを設計すること。

提案手法

• HSSTVは、バランス重みパラメータを用いて、直接的な局所的空間的差分と局所的スパティオスペクトル的差分を統合した正則化項を組み合わせる。
• 本手法は、統一されたフレームワーク内で空間的およびスペクトル的変動を評価することで、ハイパースペクトル画像の内在的滑らかさをモデル化する。
• 最適化問題は、HSSTVを正則化項とし、観測測定値とのデータ適合性を考慮した制約付き凸計画問題として定式化される。
• 収束が安定でスケーラブルな効率的な最適化を実現するため、交替方向乗数法（ADMM）アルゴリズムが開発されている。
• アルゴリズムは、画像推定値、双対変数、補助変数の順に更新を繰り返すことで、ロバスト性と計算効率を確保する。

実験結果

リサーチクエスチョン

• RQ1 従来の手法と比較して、全変動ベースの正則化において、ハイパースペクトル画像のスペクトル相関をどのようにより効果的に活用できるか。
• RQ2 空間的およびスペクトル的差分を統合した統一的な正則化フレームワークは、ハイパースペクトル画像のノイズ除去および圧縮センシングにおける復元性能を向上させることができるか。
• RQ3 空間的およびスパティオスペクトル的差分のバランスが、復元アルゴリズムの計算効率および収束速度に与える影響は何か。
• RQ4 定量的画像品質指標の観点から、提案手法HSSTVは最先端のTVベースの手法と比較して、どのように優れているか。
• RQ5 HSSTV用のADMMベースのソルバーは、実用的なハイパースペクトル画像復元タスクにおいて、高い精度と低い計算コストを両立できるか。

主な発見

• HSSTVは、ノイズ除去および圧縮センシングの両タスクにおいて、複数の最先端TVベースの手法と比較して、優れたハイパースペクトル画像復元性能を達成する。
• 本手法は、空間的・スペクトル的変動の統合的モデル化により、スペクトル相関を効果的に活用し、構造的およびスペクトル的忠実度が向上する。
• ADMMベースの最適化アルゴリズムは、高速な収束と低い計算オーバーヘッドを示し、大規模なハイパースペクトルデータに適している。
• 定量的評価では、ピークサイナリオノイズ比（PSNR）およびスペクトル角マッパー（SAM）指標において、HSSTVが従来のTV手法を上回っている。
• HSSTVにおけるバランス重みにより、空間的およびスペクトル的正則化の間で柔軟なトレードオフが可能となり、異なる画像特性に適応可能である。