[論文レビュー] Is "Compressed Sensing" compressive? Can it beat the Nyquist Sampling Approach?

Leonid Yaroslavsky|arXiv (Cornell University)|Jan 8, 2015

Sparse and Compressive Sensing Techniques参考文献 9被引用数 3

ひとこと要約

この論文は、圧縮センシング（CS）が真に圧縮可能であるという主張に反論し、信号のスパarsityに基づく理論的上限と比較して、CSが著しく低いデータ圧縮を達成することを数値的評価によって示している。CSは、ランダムなスパースサンプリングと変換に基づく再構成を組み合わせることで、より効率的かつ直感的であると主張し、CSがナイキストサンプリングを超えることができるとの主張は、サンプリング理論の根本的な誤解に基づいていると反論している。

ABSTRACT

Data compression capability of "Compressed sensing (sampling)" in signal discretization is numerically evaluated and found to be far from the theoretical upper bound defined by signal sparsity. It is shown that, for the cases when ordinary sampling with subsequent data compression is prohibitive, there is at least one more efficient, in terms of data compression capability, and more simple and intuitive alternative to Compressed sensing: random sparse sampling and restoration of image band-limited approximations based on energy compaction capability of transforms. It is also shown that assertions that "Compressed sensing" can beat the Nyquist sampling approach are rooted in misinterpretation of the sampling theory.

研究の動機と目的

• 信号量子化における圧縮センシングの実際のデータ圧縮能力を評価すること。
• 圧縮センシングがナイキストサンプリングを上回れると広く信じられている主張に反論すること。
• より効率的で直感的なCSよりも優れた代替手法—ランダムなスパースサンプリングと変換に基づく復元—を提案・分析すること。
• CSがナイキストを超えると主張する根拠となるサンプリング理論の解釈の誤りを明確にすること。
• 信号のスパarsityが示唆する理論的圧縮限界に、CSが達成しないことを実証すること。

提案手法

• スパース信号モデルを用いた圧縮センシングの圧縮性能の数値的評価。
• 圧縮センシングと比較する代替手法の評価：ランダムなスパースサンプリングに続くエネルギー集約的変換を用いた再構成。
• 再構成品質とデータ効率を評価するためのバンド制限付き画像近似の使用。
• DCT やウェーブレットなどの変換を適用し、エネルギー集約性を活用してより少ないサンプルからの改善された再構成を実現すること。
• サンプリングレート要件と再構成忠実度の分析により、ナイキスト基準に対する効率性を評価すること。
• サンプリング理論の再解釈に基づき、CSがナイキストサンプリングを上回れるという主張を拒否すること。

実験結果

リサーチクエスチョン

• RQ1 信号のスパarsityが定義する理論的上限と比較して、圧縮センシングは実際にどの程度のデータ圧縮を達成しているか？
• RQ2 圧縮効率と単純さの観点から、代替のサンプリングおよび再構成戦略がCSを上回れるか？
• RQ3 圧縮センシングがナイキストサンプリングを超えることができるとの主張は、サンプリング理論の正しい解釈に基づいているか？
• RQ4 変換のエネルギー集約性は、スパース信号取得のためのCSよりも効果的で直感的な代替手段を提供できるか？
• RQ5 なぜ圧縮センシングは信号のスパarsityが示唆する圧縮利得に到達できないのか？

主な発見

• 圧縮センシングは、信号のスパarsityが定義する理論的上限と比較して、著しく低いデータ圧縮を達成している。
• 通常のサンプリングに続く圧縮が実用的でない状況では、変換に基づく再構成を伴うランダムなスパースサンプリングが、より優れた圧縮効率を提供する。
• 提案された代替手法は、CSよりも単純で直感的でありながら、より優れた圧縮性能を達成している。
• CSがナイキストサンプリングを超えることができるとの主張は、サンプリング理論の誤解に基づいている。
• 変換のエネルギー集約性は、より少ないサンプルからの効果的な再構成を可能にし、CSよりも実用的な代替手段である。