[論文レビュー] Non-Convex Weighted Lp Nuclear Norm based ADMM Framework for Image Restoration

Zhiyuan Zha, Xinggan Zhang+3 more|University of Oulu Repository (University of Oulu)|Apr 24, 2017

Sparse and Compressive Sensing Techniques参考文献 30被引用数 4

ひとこと要約

本稿では、画像復元におけるより正確な低ランク近似を実現するため、ADMMを用いた非凸重み付き ℓₚ ノルム最小化（NCW-NNM）フレームワークを提案する。この手法は特異値に適応的重みを割り当てることで、従来のノルム最小化に比べ過剰に圧縮されるのを軽減し、構造的スパarsityと非局所自己類似性を強化し、複数のベンチマークにおいてデブリング、インpainting、圧縮センシング回復の各分野で優れた性能を発揮する。

ABSTRACT

Since the matrix formed by nonlocal similar patches in a natural image is of low rank, the nuclear norm minimization (NNM) has been widely used in various image processing studies. Nonetheless, nuclear norm based convex surrogate of the rank function usually over-shrinks the rank components and makes different components equally, and thus may produce a result far from the optimum. To alleviate the above-mentioned limitations of the nuclear norm, in this paper we propose a new method for image restoration via the non-convex weighted Lp nuclear norm minimization (NCW-NNM), which is able to more accurately enforce the image structural sparsity and self-similarity simultaneously. To make the proposed model tractable and robust, the alternative direction multiplier method (ADMM) is adopted to solve the associated non-convex minimization problem. Experimental results on various types of image restoration problems, including image deblurring, image inpainting and image compressive sensing (CS) recovery, demonstrate that the proposed method outperforms many current state-of-the-art methods in both the objective and the perceptual qualities.

研究の動機と目的

• 従来の核ノルム最小化（NNM）における特異値の過剰な圧縮と均等な取り扱いの問題を解消し、画像復元における低ランク近似の精度を向上させること。
• より柔軟な低ランク正則化モデルを用いて、非局所自己類似性と構造的スパarsityを活用することで、画像復元性能を向上させること。
• 非凸NCW-NNMモデルを解くための実用的で安定した最適化フレームワークを構築し、収束性と実用的適用性を保証すること。
• 複数の画像復元タスク（デブリング、インpainting、圧縮センシング）において、提案手法が既存の最先端手法を上回ることを実証すること。

提案手法

• 特異値に適応的重みを適用する非凸重み付き ℓₚ ノルム（NCW-NNM）を提案し、0 < p < 1 の ℓₚ ノルムを用いて行列ランクをよりよく近似する。
• 特異値の大きさに応じて異なるペナルティを与える重み付き特異値しきい値処理スキームを導入し、過剰圧縮を軽減する。
• 非凸最適化問題を分解するため、交替方向乗数法（ADMM）を用い、効率的な解法を可能にする。
• 変数分割技術を用いてデータ適合項と正則化項を分離し、画像推定値、特異値、双対変数の反復的更新を可能にする。
• 非凸 ℓₚ ノルムに特化したソフトしきい値処理に類似した更新ルールをADMMフレームワークに適用し、実用的な収束性を確保する。
• パッチベースの非局所類似性戦略を用い、類似したパッチをグループ化して低ランク行列を構築し、正則化に活用する。

実験結果

リサーチクエスチョン

• RQ1 非凸重み付き ℓₚ コアノルムは、画像復元において標準核ノルムよりも行列ランクをよりよく近似できるか？
• RQ2 特異値に適応的重みを割り当てることで、過剰圧縮が軽減され、低ランク近似の精度が向上するか？
• RQ3 ADMMフレームワークは、画像復元タスクにおける非凸NCW-NNMモデルを効果的かつ安定的に解くことができるか？
• RQ4 PSNR、FSIM、および視覚的品質の観点から、NCW-NNMは多様な画像復元問題において最先端手法を上回る性能を示すか？

主な発見

• 画像のデブリングにおいて、提案手法NCW-NNMはPSNR 26.52 dB、FSIM 0.9271を達成し、従来のNNMを顕著に上回った。
• 80%の画素が欠損している画像インpaintingにおいて、NCW-NNMはPSNR 28.15 dB、FSIM 0.9321を達成し、優れた回復品質を示した。
• 0.1Nの測定値を用いた圧縮センシング回復において、NCW-NNMはPSNR 25.49 dB、FSIM 0.8755を達成し、NNMおよび他の最先端手法を上回った。
• 視覚的比較では、NCW-NNMが特に高周波成分領域において、NNMよりも細かいテクスチャーやエッジをより効果的に保持していた。
• 特異値解析により、NCW-NNMがNNMよりも真値のランク構造をよりよく近似しており、顕著な特異値の過剰圧縮が少ないことが確認された。
• ADMMは安定的かつ効率的に収束し、PSNR曲線が滑らかに上昇し、約100イテレーション後に安定化した。これは、収束速度と精度においてISTを上回った。