[論文レビュー] Some remarks on the staircasing phenomenon in total-variation based image denoising

Khalid Jalalzai|arXiv (Cornell University)|Feb 1, 2014

Medical Image Segmentation Techniques参考文献 18被引用数 4

ひとこと要約

本稿では、全変動（TV）に基づく画像ノイズ除去における階段状現象——ノイズのある入力データおよび最小化子の局所的・大域的極値において人工的に生成される区分的定数領域——が、連続的TVベースのノイズ除去において避けられないことを確立する。径対称画像の場合、階段状現象は極値および画像境界で生じることを示し、ROFノイズ除去モデルと径対称ケースにおけるTVフローの間の同値性を示し、正則化パラメータλに伴う階段状領域および不連続性の進化を分析可能にする。

ABSTRACT

This paper deals with the so-called staircasing phenomenon, which frequently arises in total variation based denoising models in image analysis. We prove in particular that staircasing always occurs at global extrema of the datum and at all extrema of the minimizer. It is also shown that, for radial images, the staircasing always appears at the extrema and at the boundary of the image. We also prove the equivalence between the denoising model and the total variation flow, in the radial case, thus extending a previous result in dimension one. This equivalence cannot hold in the nonradial case, as it is shown with a counterexample. This connection allows us to understand how the staircase zones and the discontinuities of the denoising problem evolve with the regularization parameter.

研究の動機と目的

• 連続的全変動ベースの画像ノイズ除去における階段状現象の原因と避けがたい性質を分析すること。
• ROFノイズ除去モデルと全変動フローの間の同値性が高次元でも成り立つかを調査すること。
• 連続的設定における正則化パラメータλに伴い、階段状領域および不連続性がどのように変化するかを理解すること。
• 1次元で知られている階段状現象の結果を、特に径対称データに対して高次元連続ケースへと拡張すること。

提案手法

• Euler-Lagrange方程式およびBV関数の性質を用いて、入力データおよび最小化子の極値において階段状現象が常に発生することを証明する。
• coarea公式および径対称最小化子の構造を用いて、径対称ケースにおけるROFノイズ除去モデルとTVフローの間の関係を確立する。
• 同値性を用いて単調性の性質を導出する：不連続性は減少列をなし、階段状領域はλとともに増加する。
• Allardの反例を用いて、非径対称関数に対してはROF–TVフロー同値性が一般には成り立たないことを示す。
• 不連続性集合の包含原理（例：TVフロー理論で知られている結果）を径対称設定におけるROFモデルに適用する。
• 変分解析および全変動汎関数の部分微分の理論を用いて、最小化子の構造を特徴付ける。

実験結果

リサーチクエスチョン

• RQ1 連続的TVノイズ除去モデルにおいて、入力データおよびノイズ除去画像の極値で常に階段状現象が発生するか？
• RQ2 特に径対称関数に対して、ROFノイズ除去モデルと全変動フローの間に同値性が存在するか？
• RQ3 正則化パラメータλの増加に伴い、階段状領域のサイズおよび不連続性の位置はどのように変化するか？
• RQ4 1次元で観察された不連続性集合および階段状領域の単調性が、高次元における径対称画像へと拡張可能か？
• RQ5 径対称性がROFノイズ除去とTVフローの同値性を可能にする役割は何か？

主な発見

• 連続的ROFモデルにおいて、ノイズのある入力データおよび最小化子のすべての極値（大域的・局所的）で階段状現象が常に発生する。
• 径対称画像の場合、径対称性および最小化子の構造のおかげで、極値および画像境界で階段状現象が発生する。
• 径対称ケースにおいて、ROFノイズ除去モデルと全変動フローの間の同値性が証明され、1次元で知られている結果が高次元へと拡張される。
• 正則化パラメータλが増加するにつれて、最小化子における不連続性集合は減少列をなし、階段状領域のサイズは増加する。
• 包含原理が成り立つ：μ > λ ≥ 0 に対して、|zλ| < λ である集合は、μに対応する集合に含まれる。これは、λが大きいほどより大きな平坦領域が得られることを示唆する。
• Allardの反例により、非径対称関数に対してはROF–TVフロー同値性が一般には成り立たないことが示され、同値性を実現するには径対称性の必要性が強調される。