[論文レビュー] On the Suitable Domain for SVM Training in Image Coding

Gustau Camps‐Valls, J. Aguado+2 more|arXiv (Cornell University)|Oct 18, 2013

Image and Signal Denoising Methods参考文献 32被引用数 4

ひとこと要約

本稿では、従来のSVMベースの画像符号化が、統計的および知覚的係数間依存性のため、線形領域では失敗することを特定し、変換のヤコビアンが対角となる非線形知覚的領域を提案する。この領域では、スカラー誤差制限が有効に機能する。主な貢献は、実験的に検証された理論的条件「対角ヤコビアン条件」であり、線形領域（DCT やウェーブレットなど）と比較して、非線形領域では画像品質とサポートベクタの分布が優れていることが示された。

ABSTRACT

Conventional SVM-based image coding methods are founded on independently restricting the distortion in every image coefficient at some particular image representation. Geometrically, this implies allowing arbitrary signal distortions in an $n$-dimensional rectangle defined by the $\varepsilon$-insensitivity zone in each dimension of the selected image representation domain. Unfortunately, not every image representation domain is well-suited for such a simple, scalar-wise, approach because statistical and/or perceptual interactions between the coefficients may exist. These interactions imply that scalar approaches may induce distortions that do not follow the image statistics and/or are perceptually annoying. Taking into account these relations would imply using non-rectangular $\varepsilon$-insensitivity regions (allowing coupled distortions in different coefficients), which is beyond the conventional SVM formulation. In this paper, we report a condition on the suitable domain for developing efficient SVM image coding schemes. We analytically demonstrate that no linear domain fulfills this condition because of the statistical and perceptual inter-coefficient relations that exist in these domains. This theoretical result is experimentally confirmed by comparing SVM learning in previously reported linear domains and in a recently proposed non-linear perceptual domain that simultaneously reduces the statistical and perceptual relations (so it is closer to fulfilling the proposed condition). These results highlight the relevance of an appropriate choice of the image representation before SVM learning.

研究の動機と目的

• 標準SVM回帰を線形画像表現領域に適用する際の根本的限界を特定すること。
• 線形領域におけるスカラー誤差制限が統計的および知覚的係数間依存性を無視するため、歪みが最適でないことを是正すること。
• 与えられた領域においてスカラーSVM誤差制限が有効であるための理論的条件「対角ヤコビアン条件」を確立すること。
• 非線形知覚的領域が係数間依存性を低減させることで、線形領域よりも優れた画像符号化性能を達成することを実験的に検証すること。
• SVM学習の前段階における画像表現選択の重要性を強調し、標準的な線形変換よりも知覚的に独立した領域を推奨すること。

提案手法

• SVM回帰におけるスカラー誤差制限が有効であるためには、元の領域から独立係数領域への変換のヤコビアンが対角（置換を除いて）である必要があるという理論的条件「対角ヤコビアン条件」を提案する。
• 標準SVM回帰の幾何的意味を分析する：誤差バウンディングは表現空間で軸に平行な長方形を形成するが、これは係数が統計的および知覚的に独立である場合にのみ適切である。
• コントラスト感度関数に基づく非線形知覚的変換を用いて、係数間依存性を最小限に抑えた領域に画像をマッピングする。
• 線形領域（DCT）と非線形知覚的領域の両方で、径間基底関数（RBF）カーネルを用いた標準的なε-SVRと、固定された大きなペナルティパラメータを適用する。
• 特に高い圧縮レートにおける領域間でのサポートベクタの分布と画像再構成品質を比較する。
• サポートベクタとその重みのエントロピー符号化を用いて、符号化効率と知覚的品質を評価する。

実験結果

リサーチクエスチョン

• RQ1 与えられた表現領域において、SVM回帰におけるスカラー誤差制限が有効である条件は何か？
• RQ2 DCT やウェーブレットなどの線形領域では、広く使用されているにもかかわらず、なぜ従来のSVMベースの画像符号化手法が性能を発揮しないのか？
• RQ3 非線形知覚的領域が、統計的および知覚的係数間依存性を十分に低減させることで、スカラーSVM誤差制限を有効にすることができるか？
• RQ4 線形領域と非線形領域におけるサポートベクタの分布はどのように異なるのか？ そして、それは画像再構成品質にどのような影響を与えるか？
• RQ5 画像表現領域の選択が、SVMベースの画像符号化方式の性能に及ぼす影響はどの程度か？

主な発見

• DCT やウェーブレットなどの線形領域は、非自明な統計的および知覚的係数間依存性のため、対角ヤコビアン条件を満たさず、スカラー誤差制限が最適でない。
• 係数間依存性を低減させた本稿で提案する非線形知覚的領域では、スカラーSVM回帰によるより効果的で知覚的に自然な歪み割り当てが可能になる。
• 0.05 bpp（160:1）という高い圧縮レートにおいて、非線形領域におけるNL-SVR法は、JPEG、RKi-1、CSF-SVRと比較して、ボックリーアーティファクトを顕著に低減し、顔の特徴をよりよく保持する。
• 非線形領域におけるサポートベクタの分布はより均一で、知覚的に効率的であり、高圧縮下でも関連する高周波数ディテールを捉えることができる。一方、線形領域の手法はこのような特徴を歪めやすい。
• 非線形領域ではサポートベクタの数は多いが、分散が低いためエントロピーは同程度であり、エントロピー符号化後の符号化効率は同等またはそれ以上である。
• 実験結果から、理論的対角ヤコビアン条件が重要な設計基準であることが確認された：この条件を満たす領域でのみ、最適なSVMベースの画像符号化性能が得られる。