[論文レビュー] The application of compressive sampling to radio astronomy I: Deconvolution

Feng Li, T. J. Cornwell+1 more|arXiv (Cornell University)|Jun 9, 2011

Sparse and Compressive Sensing Techniques被引用数 7

ひとこと要約

本稿では、放射線物理学におけるアンダーサンプリングされた可視性データから点源および拡張源を再構成するために、スパース表現基盤として等方的非デシメーションウェーブレット変換（IUWT）を用いた、圧縮サンプリング（CS）に基づくdeconvolution手法を提案する。この手法は、均一重み付けおよび自然重み付けの両方において、Högbom CLEAN やマルチスケール CLEAN よりも優れた性能を発揮し、視覚的および数値的再構成品質が優れており、均一重み付けでは計算がより高速である。

ABSTRACT

Compressive sampling is a new paradigm for sampling, based on sparseness of signals or signal representations. It is much less restrictive than Nyquist-Shannon sampling theory and thus explains and systematises the widespread experience that methods such as the Högbom CLEAN can violate the Nyquist-Shannon sampling requirements. In this paper, a CS-based deconvolution method for extended sources is introduced. This method can reconstruct both point sources and extended sources (using the isotropic undecimated wavelet transform as a basis function for the reconstruction step). We compare this CS-based deconvolution method with two CLEAN-based deconvolution methods: the Högbom CLEAN and the multiscale CLEAN. This new method shows the best performance in deconvolving extended sources for both uniform and natural weighting of the sampled visibilities. Both visual and numerical results of the comparison are provided.

研究の動機と目的

• 従来のdeconvolution手法（例：CLEAN）が拡張源を再構成する際の限界を解決すること。
• 拡張構造に適した基底におけるスパarsityを活用することで、圧縮センシング（CS）理論を放射線物理学に応用すること。
• 天体物理学的構造がガウス型であると仮定しないCSベースのdeconvolution手法を開発すること。
• 均一重み付けおよび自然重み付けの両方において、提案手法（IUWTベースのCS）とHögbom CLEAN、マルチスケール CLEAN、および部分フーリエ（PF）手法の性能を比較すること。
• 天体の輝度分布を再構成する際の、本手法のロバストネス、計算効率、および光度的正確性を評価すること。

提案手法

• 本手法は、可視性データがアンダーサンプリングされている状況下で、信号がIUWTドメインにおいてスパースであることに依存して、電波天体の画像を再構成する圧縮サンプリング（CS）を用いる。
• 等方的非デシメーションウェーブレット変換（IUWT）をスパース化基底として用い、拡張源に対してスパースかつ等方的表現を提供する。
• 再構成は凸最適化問題として定式化される：||x||_1 を最小化し、||A x - b||_2 ≤ ε を満たす。ここで、A はセンシング行列、b は測定された可視性、x はウェーブレットドメインにおける画像である。
• アルゴリズムは勾配に基づき、プライマル・デュアル法を用いて反復的にCS問題を解き、高速収束を実現する。
• 本手法は、均一重み付けおよび自然重み付けの両方の可視性データに適用し、さまざまな観測条件におけるロバストネスを評価する。
• 性能評価には、視覚的検査、残差画像の均一性、ダイナミックレンジ、忠実度、および真値と再構成値の間の光度的線形性を用いる。

実験結果

リサーチクエスチョン

• RQ1 圧縮サンプリングにIUWT基底を用いることで、従来のCLEANに基づく手法よりも、拡張電波源の再構成性能が向上するか？
• RQ2 画像品質および計算速度の観点から、均一重み付けおよび自然重み付けの両方において、IUWTベースのCS手法はどのように性能を発揮するか？
• RQ3 特に高ダイナミックレンジの状況下でも、IUWTベースのCS手法はCLEANに基づく手法よりも光度的正確性をよりよく保持するか？
• RQ4 IUWT表現のスパarsityが、フーリエ基底など他の基底と比較して、なぜより優れた再構成を可能にするのか？
• RQ5 特に拡張源画像の再構成において、CSベースの手法は従来のCLEANアルゴリズムよりも計算がはやいと期待できるか？

主な発見

• IUWTベースのCS手法は、最も均一な残差画像と最少のアーティファクトを生じさせ、拡張源に対するdeconvolution性能が優れていることを示している。
• 本手法は、特に拡散放射や複雑な構造の再構成において、真の天体画像との視覚的類似度が最も高い。
• 数値的結果から、IUWTベースのCSは、真の天体との忠実度が最も高く、再構成値と真値の間の光度的線形性も最も良好で、再構成値対真値の比較において勾配がほぼ1に近い。
• 均一重み付けの場合は、Högbom CLEAN よりもIUWTベースのCSが著しく高速であるが、自然重み付けの場合はわずかに遅い。
• 本手法は、両方の重み付け方式において優れた性能を維持しており、可視性サンプリングパターンの変化に対してもロバストであることが示された。
• 部分フーリエ（PF）手法は点源の再構成において最も優れていたが、拡張源の再構成においては、IUWTベースのCSが他のすべての手法を大きく上回った。