[論文レビュー] Oracle inequalities for image denoising with total variation regularization

Francesco Ortelli, Sara van de Geer|arXiv (Cornell University)|Nov 17, 2019

Sparse and Compressive Sensing Techniques被引用数 4

ひとこと要約

本稿は、離散全 Variation の ℓ¹-ノルムをペナルティ項とする解析推定量を用いて、2次元における全 Variation 正則化画像ノイズ除去のためのオракル不等式を確立する。有効なスパarsity を制御するための補間行列を導入することで、先行研究の1次元結果を拡張した高速レートを導出し、また、経験過程への射影的議論を用いて、既存の境界と一致する遅いレートを確立する。

ABSTRACT

We derive oracle results for discrete image denoising with a total variation penalty. We consider the least squares estimator with a penalty on the $\ell^1$-norm of the total discrete derivative of the image. This estimator falls into the class of analysis estimators. A bound on the effective sparsity by means of an interpolating matrix allows us to obtain oracle inequalities with fast rates. The bound is an extension of the bound by Ortelli and van de Geer [2019c] to the two-dimensional case. We also present an oracle inequality with slow rates, which matches, up to a log-term, the rate obtained for the same estimator by Mammen and van de Geer [1997]. The key ingredient for our results are the projection arguments to bound the empirical process due to Dalalyan et al. [2017].

研究の動機と目的

• 1次元から2次元における全 Variation 正則化付き画像ノイズ除去へのオーガル不等式結果の拡張。
• 有効スパarsity を制御するための補間行列を用いて、画像勾配の有効スパarsity を束縛する。
• 全 Variation に対する ℓ¹-正則化付き最小二乗推定量の高速・遅いレートのオーガル不等式を導出する。
• 高次元画像ノイズ除去における推定誤差を制御するため、射影に基づく経験過程技術を適用する。

提案手法

• 研究は、画像の全 Variation の ℓ¹-ノルムにペナルティを課す最小二乗損失を最小化する解析推定量を採用する。
• 有効スパarsity を制御するため、補間行列を導入し、高速レートの結果を得る。
• 理論的分析は、Dalalyan 他 (2017) の射影的議論を用いて、画像領域上の経験過程を制御する。
• 本手法は、Ortelli と van de Geer (2019c) の1次元スパarsity 界を2次元ケースに拡張する。
• 高速・遅いレートの両方のレギームでオーガル不等式を導出し、遅いレートは Mammen と van de Geer (1997) の結果と一致する。
• フレームワークは画像を離散グリッドとして扱い、全 Variation を離散勾配の ℓ¹-ノルムとしてモデル化する。

実験結果

リサーチクエスチョン

• RQ1 2次元における全 Variation 正則化付き画像ノイズ除去に対して、高速レートのオーガル不等式を確立できるか？
• RQ2 補間行列を用いて2次元で有効スパarsity をどのように束縛できるか？ これにより推定レートがどのように向上するか？
• RQ3 提案手法は、文献に既存の理論的境界と一致またはそれを上回る高速レートを達成するか？
• RQ4 Dalalyan 他 (2017) の射影に基づく経験過程技術は、2次元画像ノイズ除去にどの程度拡張可能か？
• RQ5 導出された遅いレートは、同じ設定下で Mammen と van de Geer (1997) が確立した既知のレートとどの程度一致するか？

主な発見

• 本稿は、補間行列を用いて有効スパarsity を制御することで、2次元における全 Variation 正則化画像ノイズ除去の高速レートオーガル不等式を確立する。
• 導出された高速レートは、Ortelli と van de Geer (2019c) の1次元境界を2次元に拡張したものである。
• Mammen と van de Geer (1997) が同じ推定量に対して確立したレートと、対数因子を除き一致する遅いレートオーガル不等式が導出された。
• 理論的枠組みは、経験過程を束縛するための射影的議論に依拠しており、高次元画像推定においても頑健性を確保する。
• 結果は、全 Variation 正則化が、与えられたモデル下で高速・遅い両レギームにおいて最適またはほぼ最適なレートを達成できることを示している。