[論文レビュー] MEDL and MEDLA: Methods for Assessment of Scaling by Medians of Log-Squared Nondecimated Wavelet Coefficients

Minkyoung Kang, Brani Vidaković|arXiv (Cornell University)|Mar 12, 2017

Image and Signal Denoising Methods参考文献 8被引用数 7

ひとこと要約

本稿では、自己相似信号におけるフラクタル次元（Hurst指数）の推定に向け、非デシメーションウェーブレット変換（NDWT）を用いた2つのロバストな手法、MEDLおよびMEDLAを提案する。対数変換、中央値ベースの推定、再サンプリングを適用することで、自己相関バイアスを低減し、特に低いHurst指数に対して、従来のNDWTベースの手法と比較して平均二乗誤差（MSE）が低く、漸近的に正規分布に従い、バイアスのない推定量を達成する。

ABSTRACT

High-frequency measurements and images acquired from various sources in the real world often possess a degree of self-similarity and inherent regular scaling. When data look like a noise, the scaling exponent may be the only informative feature that summarizes such data. Methods for the assessment of self-similarity by estimating Hurst exponent often involve analysis of rate of decay in a spectrum defined in various multiresolution domains. When this spectrum is calculated using discrete non-decimated wavelet transforms, due to increased autocorrelation in wavelet coefficients, the estimators of $H$ show increased bias compared to the estimators that use traditional orthogonal transforms. At the same time, non-decimated transforms have a number of advantages when employed for calculation of wavelet spectra and estimation of Hurst exponents: the variance of the estimator is smaller, input signals and images could be of arbitrary size, and due to the shift-invariance, the local scaling can be assessed as well. We propose two methods based on robust estimation and resampling that alleviate the effect of increased autocorrelation while maintaining all advantages of non-decimated wavelet transforms. The proposed methods extend the approaches in existing literature where the logarithmic transformation and pairing of wavelet coefficients are used for lowering the bias. In a simulation study we use fractional Brownian motions with a range of theoretical Hurst exponents. For such signals for which "true" $H$ is known, we demonstrate bias reduction and overall reduction of the mean-squared error by the two proposed estimators. For fractional Brownian motions, both proposed methods yield estimators of $H$ that are asymptotically normal and unbiased.

研究の動機と目的

• 非デシメーションウェーブレット変換（NDWT）係数における自己相関が引き起こすHurst指数推定のバイアス増大を是正すること。
• シフト不変性、各レベルにおける係数数の固定、任意の信号サイズへの適用可能性といったNDWTの利点を維持しつつ、推定量のバイアスを低減すること。
• 中央値ベースの位置推定と再サンプリングを活用した、平均ベースや非ロバストな手法と比較して精度の高い推定手法の開発。
• 分数ブラウン運動（fBm）モデル下で、MEDLおよびMEDLAが漸近的に正規分布に従い、バイアスのないHurst指数推定量を提供することの証明。
• MEDLおよびMEDLAのバイアス、分散、平均二乗誤差（MSE）の観点から、従来のNDWTベースの手法（例：VeitchとAbry、Soltaniら）と比較した性能評価。

提案手法

• 信号に非デシメーションウェーブレット変換（NDWT）を適用し、ダウンサンプリングを行わず、各レベルのすべての係数を保持する。
• 各スケールにおけるウェーブレット係数の二乗値を計算し、Hurst指数とのべき乗則的関係を線形化し、分散を安定化させるために対数変換を施す。
• MEDLでは、各レベルにおける対数二乗係数の中央値を推定し、中央値の対数スケールでの線形回帰を用いてHを推定する。
• MEDLAでは、再サンプリングを用いる：少なくともq_jの間隔をあけるようにウェーブレット係数のペアを繰り返し抽出し、その平均エネルギーを計算。その後、対数をとり、これらの対数エネルギーの中央値を推定する。
• 中央値をロバストな位置推定子として用い、平均ベースの手法と比較して外れ値および自己相関への感受性を低減する。
• 推定量の漸近的正規性および分散の式を導出。MEDLAの分散はスケールjに依存せず、標本サイズNとレベル数mにのみ依存することを示す。

実験結果

リサーチクエスチョン

• RQ1 自己相関が増加する非デシメーションウェーブレット変換（NDWT）を用いたHurst指数推定において、ロバストな中央値ベース推定がバイアス低減に寄与するか。
• RQ2 MEDLおよびMEDLAの性能は、標準的なNDWTベースの手法（例：VeitchとAbry、Soltaniら）と比較して、バイアス、分散、平均二乗誤差（MSE）の観点でどのように異なるか。
• RQ3 MEDLおよびMEDLAは、分数ブラウン運動（fBm）モデル下で漸近的に正規分布に従い、バイアスのないHurst指数推定量を提供するか。
• RQ4 再サンプリングは、冗長なNDWT係数に起因する自己相関の影響をどのように低減するか。
• RQ5 有限標本シミュレーションにおいて、真のHurst指数（H = 0.3, 0.5, 0.7）の異なる値に対して、これらの推定量はどのように性能を示すか。

主な発見

• H = 0.3の場合、MEDLおよびMEDLAは従来手法と比較して平均二乗誤差（MSE）を低減し、MEDLAではMSE = 0.0024（従来手法：0.0256）を達成した。
• H = 0.5の場合、MEDLAは最小のバイアス二乗（1.3×10⁻⁶）とMSE（0.0017）を達成し、従来手法（MSE = 0.0018）およびSoltani（MSE = 0.0023）を上回った。
• H = 0.7の場合、MEDLAはMSEを従来手法の0.0256から0.0024に低減し、バイアス二乗も0.0217から6.2×10⁻⁵にまで低下させ、顕著なバイアス低減効果を示した。
• シミュレーション設定下で、MEDLAによるHの推定量は漸近的に正規分布に従い、平均がH、分散が7.9007×10⁻⁵であることが確認され、理論的収束性が裏付けられた。
• MEDLおよびMEDLAは、全テストH値において一貫した性能を示し、特に標準手法が失敗する高H（0.7）において、バイアスとMSEの改善が顕著に観察された。
• MEDLAにおける標本中央値推定量の分散は約1/(N(log 2)²)であり、スケールjに依存しないことが示され、各レベルにわたる手法の安定性が裏付けられた。