[論文レビュー] Multi-resolution Compressive Sensing Reconstruction

Adriana González, Hong Jiang+2 more|arXiv (Cornell University)|Feb 18, 2016

Sparse and Compressive Sensing Techniques参考文献 14被引用数 6

ひとこと要約

本稿では、同じ数の圧縮測定値を用いても、注目領域（RoI）に高い解像度を割り当てるとともに、他の領域には低解像度を割り当てることで、RoIの品質を向上させるマルチスケール圧縮センシング再構成手法を提案する。非一様グリッドと低解像度領域のアップサンプリングを組み合わせた制約付き最小化問題として定式化することで、単一解像度再構成と比較して、特に20%の全測定値に相当する低スラムレートでも、RoIで最大6 dB高いRSNRを達成する。

ABSTRACT

We consider the problem of reconstructing an image from compressive measurements using a multi-resolution grid. In this context, the reconstructed image is divided into multiple regions, each one with a different resolution. This problem arises in situations where the image to reconstruct contains a certain region of interest (RoI) that is more important than the rest. Through a theoretical analysis and simulation experiments we show that the multi-resolution reconstruction provides a higher quality of the RoI compared to the traditional single-resolution approach.

研究の動機と目的

• 測定値が限られた状況下での圧縮センシングにおける注目領域（RoI）の再構成品質を向上させること。
• 従来の単一解像度再構成の限界、すなわち、重要度の異なる画像領域を均等に扱うという点を是正すること。
• 注目領域に高い解像度を割り当てるとともに、重要度の低い領域の解像度を低下させることで、測定数対画素数比を向上させる手法を開発すること。
• 理論的および実験的に、マルチスケール再構成が単一解像度再構成よりも注目領域の忠実度において優れていることを検証すること。

提案手法

• 注目領域（RoI）に高解像度、その他の領域に低解像度を用いる非一様画素グリッドを用いて、マルチスケール再構成を制約付き最小化問題として定式化する。
• 低解像度領域を全画像グリッドに一致させるために、拡張行列Eを用いてアップサンプリングを行う。
• 可圧縮信号に対してスパarsityを促進する解析形式を用い、冗長なハールウェーブレット基底を採用する。
• 測定制約を満たすために凸指示関数を用い、Chambolle-Pockアルゴリズムを用いて最適化問題を解く。
• 2領域モデルを採用：高解像度のRoI（N₁画素）と低解像度の背景（Nₗ画素）を設定し、未知数の合計を削減することで再構成品質を向上させる。
• 未知数の削減（有益）とアップサンプリング誤差（有害）のバランスを取る理論的誤差バウンドを導出。この方法が有利となる条件を示す。

実験結果

リサーチクエスチョン

• RQ1 マルチスケール再構成は、単一解像度手法と比較して、圧縮センシングにおける注目領域（RoI）の品質を向上させることができるか？
• RQ2 未知数の削減と増加するアップサンプリング誤差のトレードオフは、再構成性能にどのように影響するか？
• RQ3 マルチスケール再構成が単一解像度再構成を上回る理論的条件は何か？
• RQ4 低解像度グリッドサイズ（L）の選択が、RoIの再構成品質に与える影響は何か？

主な発見

• 20%のサンプリングレート（m=0.2N）において、マルチスケールアプローチは全画像で23.23 dB、RoIで21.28 dBの再構成信号対雑音比（RSNR）を達成し、単一解像度再構成を著しく上回った。
• 同じ条件下で単一解像度再構成は、全画像で16.95 dB、RoIで14.82 dBのRSNRしか得られず、RoI品質で6.4 dBの向上が確認された。
• 低解像度グリッドサイズをL=2からL=4に増加させた場合、全体のRSNRは23.23 dBから23.77 dBにわずかに向上するにとどまり、未知数の削減とアップサンプリング誤差のトレードオフが顕著に現れた。
• 理論的誤差バウンドは、RoIにおける画素1ピクセルあたりの測定数が十分に高い場合に、この手法が有利であることを示しており、未知数の削減の利点と補間に起因する誤差のバランスが取れている条件を特定した。
• シミュレーション結果は、測定数対画素数比が画像品質に最も影響を与える低スラムレートにおいて、マルチスケールアプローチが特に有効であることを確認した。