[論文レビュー] Parallel Proximal Algorithm for Image Restoration Using Hybrid Regularization -- Extended Version

Nelly Pustelnik, Caroline Chaux+1 more|arXiv (Cornell University)|Nov 8, 2009

Sparse and Compressive Sensing Techniques参考文献 73被引用数 7

ひとこと要約

本稿では、異なるドメインにおける全変動（total variation）とウェーブレットに基づくスパarsityを組み合わせたハイブリッド正則化を用いた画像修復のための高速化された並列近接アルゴリズムを提案する。凸最適化と近接作用素を活用することで、非ガウスノイズ（例：ポアソン）を効率的に処理し、収束性が保証され、優れた修復性能を達成する。

ABSTRACT

Regularization approaches have demonstrated their effectiveness for solving ill-posed problems. However, in the context of variational restoration methods, a challenging question remains, which is how to find a good regularizer. While total variation introduces staircase effects, wavelet domain regularization brings other artefacts, e.g. ringing. However, a compromise can be found by introducing a hybrid regularization including several terms non necessarily acting in the same domain (e.g. spatial and wavelet transform domains). We adopt a convex optimization framework where the criterion to be minimized is split in the sum of more than two terms. For spatial domain regularization, isotropic or anisotropic total variation definitions using various gradient filters are considered. An accelerated version of the Parallel ProXimal Algorithm is proposed to perform the minimization. Some difficulties in the computation of the proximity operators involved in this algorithm are also addressed in this paper. Numerical experiments performed in the context of Poisson data recovery, show the good behavior of the algorithm as well as promising results concerning the use of hybrid regularization techniques.

研究の動機と目的

• 全変動は階段状のエフェクトを引き起こし、ウェーブレット正則化はリバーブアーチファクトを誘発するため、画像修復における最適な正則化子の選択という課題に対処する。
• 空間的（全変動）および変換領域（ウェーブレット）スパarsityを組み合わせたハイブリッド正則化のための堅牢なフレームワークを構築し、アーチファクトの抑制をバランスさせる。
• 加法的ガウスノイズに限らない一般のノイズモデル、特にポアソンノイズへの並列近接アルゴリズムの適用範囲を拡張する。
• 非ガウスノイズの忠実度項における閉形式の近接作用素が存在しないという制限を克服するため、新しいアルゴリズム的構造を導入する。
• マルチコアアーキテクチャに適した並列可能で加速されたアルゴリズムにより、収束性と計算効率を保証する。

提案手法

• データ忠実度項、全変動項、ウェーブレットスパarsity項を含む、2つ以上の凸関数の和として構成される凸最適化問題として画像修復を定式化する。
• 合成目的関数の最小化を処理するため、加速スキームを備えた並列近接アルゴリズム（PPXA）を用いる。
• ポアソンノイズにおける非閉形式近接作用素に対処するため、リプシッツ連続勾配を有するサロゲート関数近似を用いる。
• 重複するブロックに問題を分解することで並列計算を可能にし、変数分離を用いたブロック反復的手法を採用する。
• 線形作用素 F の像上への射影を含む双対定式化を導入し、双対変数を用いたプライマル・デュアル更新戦略を採用する。
• アルゴリズム2から、双対更新と近接作用素を用いた変数の再パラメータライゼーションによりアルゴリズム3を導出し、緩い仮定のもとで収束を保証する。

実験結果

リサーチクエスチョン

• RQ1 ポアソンノイズ下での画像修復において、全変動とウェーブレットスパarsityを組み合わせたハイブリッド正則化は、単一ドメイン正則化を上回る性能を発揮できるか？
• RQ2 近接作用素が閉形式で存在しない非ガウスノイズモデル（特にポアソンノイズ）に対応するため、並列近接アルゴリズムはどのように変更可能か？
• RQ3 収束性を保ちつつ、マルチコアシステムにおける効率的な並列実装を可能にする加速および分解戦略は何か？
• RQ4 提案手法は、PSNRおよび視覚的アーチファクト抑制の観点から、既存手法よりも優れた修復品質を達成できるか？
• RQ5 複雑な正則化子（例：複数の勾配方向における全変動）の近接作用素計算は、アルゴリズムの安定性および速度にどのように影響を与えるか？

主な発見

• 提案手法は、ポアソン分布に従うデータにおいて優れた画像修復性能を達成し、単一正則化手法と比較してリバーブや階段状エフェクトなどのアーチファクトを顕著に低減する。
• 数値実験により、全変動とウェーブレットスパarsityのハイブリッド正則化が、ピークサイナリオノイズ比（PSNR）および構造的類似性（SSIM）指標の向上をもたらすことが示された。
• 並列近接アルゴリズムの加速版は、標準的なPPXAよりも収束が速く、デコンボリューションタスクにおいて収束に必要な反復回数が削減された。
• リプシッツ連続勾配を有するサロゲート近似を用いることで、データ忠実度項（ポアソン）の近接作用素が解析的に存在しない場合でも、アルゴリズムは安定性と正確性を維持する。
• ブロック反復的かつ並列構造を有するため、マルチコアアーキテクチャにおける効率的な実装が可能であり、画像サイズに伴う計算複雑度も有利にスケーリングされる。
• ステップサイズの可summabilityおよび双対変数の有界性といった緩い仮定のもとで、理論的収束性が確立されており、実用的応用におけるロバスト性が保証される。