[論文レビュー] Out-of-focus Blur: Image De-blurring

Yuzhen Lu|arXiv (Cornell University)|Oct 2, 2017

Advanced Image Processing Techniques参考文献 7被引用数 5

ひとこと要約

この論文では、Tikhonov正則化に基づく手法と共役勾配（CG）反復を組み合わせて、ボケた画像の復元を行う。不確かさの原理を用いた正則化パrameter選択とCGの半収束特性を組み合わせることで、相対的復元誤差が8.22%にまで低下し、疑似逆行列法や標準的なTikhonov正則化よりも顕著に優れた性能を示した。

ABSTRACT

Image de-blurring is important in many cases of imaging a real scene or object by a camera. This project focuses on de-blurring an image distorted by an out-of-focus blur through a simulation study. A pseudo-inverse filter is first explored but it fails because of severe noise amplification. Then Tikhonov regularization methods are employed, which produce greatly improved results compared to the pseudo-inverse filter. In Tikhonov regularization, the choice of the regularization parameter plays a critical rule in obtaining a high-quality image, and the regularized solutions possess a semi-convergence property. The best result, with the relative restoration error of 8.49%, is achieved when the prescribed discrepancy principle is used to decide an optimal value. Furthermore, an iterative method, Conjugated Gradient, is employed for image de-blurring, which is fast in computation and leads to an even better result with the relative restoration error of 8.22%. The number of iteration in CG acts as a regularization parameter, and the iterates have a semi-convergence property as well.

研究の動機と目的

• 実写写真や画像処理における一般的な課題である、ボケた画像の復元を解決すること。
• 直接的な逆フィルタリング手法に内在する不安定性とノイズ増幅を克服すること。
• Tikhonov正則化と反復的共役勾配法が、ぼやけた画像の復元にどの程度効果的であるかを評価すること。
• 復元品質の向上を図るため、不確かさの原理を用いて最適な正則化パrameterを特定すること。
• 画像の復元における正則化解と反復的手法の半収束特性を分析すること。

提案手法

• まず疑似逆行列フィルタを用いて画像を復元したが、深刻なノイズ増幅のため失敗した。
• 解の安定化のためTikhonov正則化を採用し、事前に指定された不確かさの原理に基づいて正則化パrameterを選定した。
• 共役勾配（CG）法を反復的に用いて復元を行い、反復回数を正則化パrameterとして機能させた。
• Tikhonov法およびCG法の両方で半収束特性が観察され、ノイズが支配的になる前に最適な復元が達成された。
• 性能評価の主な指標として相対的復元誤差を用いた。
• 疑似逆行列法、Tikhonov法、CGベースの復元手法を比較するためのシミュレーションを実施した。

実験結果

リサーチクエスチョン

• RQ1 疑似逆行列フィルタはボケた画像の復元においてどの程度の性能を示し、どのような制限を有するか？
• RQ2 Tikhonov正則化は画像復元におけるノイズ増幅を効果的に低減できるか？また、正則化パrameterはどのような役割を果たすか？
• RQ3 不確かさの原理は、Tikhonov正則化における最適な正則化パrameter選択にどのように寄与するか？
• RQ4 共役勾配法はTikhonov正則化よりも復元性能を向上させることができるか？また、反復回数が正則化パrameterとしてどのように機能するか？
• RQ5 半収束は反復的復元手法における復元画像の品質にどのような影響を及えるか？

主な発見

• 疑似逆行列フィルタは深刻なノイズ増幅のため失敗し、画像品質が著しく劣化した。
• Tikhonov正則化は疑似逆行列法よりも著しく復元品質を向上させ、相対的復元誤差は8.49%にまで低下した。
• 不確かさの原理を用いた正則化パrameter選択により、Tikhonov法の最良結果が得られ、相対的復元誤差は8.49%であった。
• 共役勾配法は8.22%というより低い相対的復元誤差を達成し、Tikhonov正則化を上回る性能を示した。
• CGの反復回数が正則化パrameterとして機能し、反復列に半収束特性が観察され、ノイズ劣化が顕著になる前に最適な性能が得られた。
• Tikhonov法とCG法の両方が半収束を示し、高品質な画像復元のためには早期停止が重要であることが確認された。