[論文レビュー] Irregularities and Scaling in Signal and Image Processing: Multifractal Analysis

Patrice Abry, Stéphane Jaffard+1 more|arXiv (Cornell University)|Oct 1, 2012

Complex Systems and Time Series Analysis被引用数 51

ひとこと要約

本稿では、信号および画像におけるスケーリング特性のロバストで非パrametricな特徴付けを可能にするウェーブレットに基づく多Fractal解析フレームワークを提示する。ウェーブレット・リーダーと係数を活用することで、多Fractalスペクトル、Hölder正則性、スケーリング指数の数学的に根拠のある、計算的に効率的な推定が可能となり、事前モデルを仮定しない多様な実世界データに応用可能である。

ABSTRACT

B. Mandelbrot gave a new birth to the notions of scale invariance, selfsimilarity and non-integer dimensions, gathering them as the founding corner-stones used to build up fractal geometry. The first purpose of the present contribution is to review and relate together these key notions, explore their interplay and show that they are different facets of a same intuition. Second, it will explain how these notions lead to the derivation of the mathematical tools underlying multifractal analysis. Third, it will reformulate these theoretical tools into a wavelet framework, hence enabling their better theoretical understanding as well as their efficient practical implementation. B. Mandelbrot used his concept of fractal geometry to analyze real-world applications of very different natures. As a tribute to his work, applications of various origins, and where multifractal analysis proved fruitful, are revisited to illustrate the theoretical developments proposed here.

研究の動機と目的

• スケール不変性、自己相似性、フラクタル幾何学の主要概念を統一的かつ再定式化し、一貫性のある多Fractalフレームワークを構築すること。
• ウェーブレットが信号および画像におけるグローバルおよびローカルのスケーリング不変性を測定する自然で強力なツールであることを確立すること。
• ウェーブレット・リーダーと係数に基づく実用的で非パラメトリックな多Fractal解析ツールボックスを開発し、多Fractalスペクトルおよびスケーリング指数の推定を可能にすること。
• 本手法の有効性を、乱流から金融時系列、芸術分析に至るまで多様な実世界応用において示すこと。
• 既存の多Fractal推定手法に対する理論的裏付けが強く、計算的に効率的でロバストな代替手法を提供し、ブートストラップ手順による信頼区間を含むこと。

提案手法

• ウェーブレット基底とウェーブレット・リーダーを用いて増分と振動を一般化し、$0 \leq h_f(t) < 1$ の制限を超えて解析を可能にする。
• ウェーブレット・リーダーに基づく多Fractal形式的フレームワークを用いて、スケーリング関数 $\zeta_f(p)$、多Fractalスペクトル $D_f(h)$、および局所的 Hölder 正則性 $h_f(t)$ を推定する。
• ウェーブレット係数による一様 Hölder 指数推定を用いて、グローバル自己相似性およびスケーリング行動を検出する。
• 階層的アプローチを導入：まずウェーブレット係数を用いてグローバルスケーリングを分析し、次に $h^{\text{min}}_f > 0$ の場合にウェーブレット・リーダーを用いて高精度な多Fractal分析を実施する。
• 非パラメトリックなブートストラップ手順を用いて、推定された多Fractalパラメータの信頼区間を計算し、ロバスト性と統計的推論を向上させる。
• 実装のための公開可能な Matlab ツールボックスを提供し、計算コストを低く、高い汎用性を確保する。

実験結果

リサーチクエスチョン

• RQ1 ウェーブレットに基づくツールをどのように体系的に用いて、信号および画像におけるスケーリング不変性と多Fractal特性を測定・特徴付けることができるか？
• RQ2 ウェーブレット・リーダー、振動スケーリング、多Fractal形式的フレームワークの関係は何か？そして、その関係をどのように改善された推定に活用できるか？
• RQ3 自己相似過程や乗法的カスケードといった事前モデルを仮定しない場合、多Fractal解析がどの程度非パラメトリックなツールとして適用可能となるか？
• RQ4 ウェーブレット係数とウェーブレット・リーダーは、グローバルなスケーリング行動とローカルなスケーリング行動の推定において、それぞれどのように比較されるか？それぞれの状況でどのツールを用いるべきか？
• RQ5 提案されたフレームワークは、定量的な多Fractal診断を用いて、データ内の加法的構造と乗法的構造を信頼性高く区別できるか？

主な発見

• ウェーブレット・リーダーは振動を一般化し、$h_f(t) \geq 1$ を満たす関数に対しても、多Fractalスペクトル $D_f(h)$ およびスケーリング関数 $\zeta_f(p)$ の推定を可能にする。
• ウェーブレット係数を用いた一様 Hölder 指数推定は、ノイズに強く、計算的に効率的であり、グローバル自己相似性指数の正確な推定を可能にする。
• ウェーブレット・リーダーによる多Fractal解析は、非パラメトリックかつモデルフリーなアプローチを提供し、生成メカニズムに依存しないあらゆる信号または画像のスケーリング特性を定量化可能である。
• 本フレームワークは、流体力学的乱流、心拍変動、インターネットトラフィック、金融時系列など、多様な実世界データにおける多Fractal行動を成功裏に特徴付けた。
• 多Fractalスペクトル $D_f(h)$ が一般的に区間上に支持されていることが示され、多Fractal性が稀な現象ではなく、一般的な性質であることが示された。
• ブートストラップに基づく信頼区間を含む本手法のツールボックスは、信頼性の高い統計的推論と仮説検定を可能にし、信号および画像処理応用における実用的価値を高めている。