[논문 리뷰] A Derivative-Free Approach to Total Variation Regularization

Carsten Pontow, Otmar Scherzer|ArXiv.org|2009. 11. 06.

Numerical methods in inverse problems참고 문헌 12인용 수 3

한 줄 요약

이 논문은 최근에 제안된 비국소 이중 적분을 통한 TV 준노름의 적분 표현을 활용하여 도함수를 사용하지 않는 총변동(TV) 정규화 방법을 제시한다. 이는 근사 기능들의 최소화자가 원래 TV-정규화 기능의 최소화자로 수렴함을 입증하며, 새로운 수치적 방법을 가능하게 하고 양방향 필터링과의 연결고리를 드러낸다.

ABSTRACT

The goal of this paper is to present a novel approach for total variation regularization and Sobolev minimization, which are prominent tools for variational imaging. Thereby we use derivative free characterizations of the total variation semi-norm and Sobolev semi-norms of functions recently derived by Bourgain, Brézis, Mironescu and Dávila. Their analysis is to approximate the semi-norms of a function by singular integral operators. With this characterization we derive a series of novel regularization methods for total variation minimization which have as a novel feature a non-local double integral regularization term.

연구 동기 및 목표

• 최근 TV 준노름의 적분 표현을 활용하여 도함수를 사용하지 않는 총변동 정규화의 새로운 프레임워크를 개발한다.
• 특이 적분 연산자를 기반으로 한 근사 기능들의 변분 수렴성을 분석한다.
• 명시적인 도함수 계산을 피하는 TV 최소화를 위한 새로운 수치적 방법을 유도한다.
• 기존 수치적 방법의 분석적 기초를 명확히 하고 양방향 필터링과의 관계를 드러낸다.
• 이 접근법을 소볼레프 공간으로 확장하고, 측도의 미분 가능성 조건 없이도 정규화를 위한 함수공간 설정을 제공한다.

제안 방법

• 차분 몫과 정규화 핵을 포함하는 이중 적분을 통한 도함수 없는 TV 준노름 및 소볼레프 (1,p)-준노름의 표현을 활용한다.
• 정규화 기능 $ \mathcal{R}_n^p(f) = \int_\Omega \int_\Omega \frac{|f(x)-f(y)|^p}{|x-y|^p} \varphi_n(x-y) \,dx\,dy $ 를 정의하며, 여기서 $ \varphi_n $ 는 중심에서 딜라드 측도로 수렴하는 반사대칭, 비음수 함수이다.
• 근사 기능 $ \mathcal{F}_n^p(f) = \frac{1}{2}\int_\Omega (f - f^\delta)^2 \,dx + \frac{\alpha}{K_{p,N}} \mathcal{R}_n^p(f) $ 를 구성하며, $ n \to \infty $ 일 때 원래 TV 또는 소볼레프 기능으로 수렴한다.
• 각 $ \mathcal{F}_n^p $ 가 유일한 최소화자를 가지며, 이 최소화자들의 수열이 극한 기능 $ \mathcal{F}^p $ 의 최소화자로 수렴함을 증명한다.
• 격자상의 조각별 상수 함수에 대해 $ \mathcal{R}_n^1(f) $ 를 명시적으로 평가하여, 인접한 픽셀 값 간의 절대 차이로 표현한다.
• 반사대칭 및 비반사대칭 핵(예: 정사각형 영역에서의 균일 핵)을 적용하여 정규화 항의 닫힌 형태 표현을 도출한다.

실험 결과

연구 질문

• RQ1 도함수를 사용하지 않고도 적분 연산자만으로 총변동 준노름을 근사할 수 있는가?
• RQ2 근사 기능 $ \mathcal{F}_n^p $ 의 최소화자가 원래 TV 또는 소볼레프 기능의 최소화자로 수렴하는가?
• RQ3 조각별 상수 영상에 대해 비국소 이중 적분 정규화 항의 분석적 구조는 어떠한가?
• RQ4 다양한 핵 함수(반사대칭 대비 비반사대칭)가 결과 정규화 기능에 어떤 영향을 미치는가?
• RQ5 이 프레임워크는 기존의 수치적 방법들, 예를 들어 양방향 필터링을 설명하거나 통합할 수 있는가?

주요 결과

• 근사 기능 $ \mathcal{F}_n^p $ 의 최소화자 $ f_n $ 이 원래 기능 $ \mathcal{F}^p $ 의 유일한 최소화자로 수렴함을 입증하여 변분 수렴성을 확립한다.
• 반사대칭 핵의 경우 $ \mathcal{R}_n^1(f) $ 는 $ \frac{1}{3\pi n} \left( \sum_{i=2}^n \sum_{j=2}^n |a_{i,j} - a_{i-1,j-1}| + \cdots \right) $ 로 평가되며, 측면 및 대각선 이웃에 대한 명시적 계수를 제공한다.
• 정사각형 영역 $ (-1/n, 1/n)^2 $ 에서 균일 핵을 사용할 경우 $ \mathcal{R}_n^1(f) $ 는 $ \frac{1}{3} \frac{\sqrt{2}-1}{n} \sum |a_{i,j} - a_{i-1,j-1}| + \frac{1}{12} \frac{3\ln(\sqrt{2}+1) - 3\ln(\sqrt{2}-1) - 2(\sqrt{2}-1)}{n} \sum |a_{i,j} - a_{i,j-1}| $ 를 유도한다.
• 정규화 항 $ \mathcal{R}_n^1(f) $ 가 극한에서 양방향 필터링 연산과 동치임을 입증하여, TV 노이즈 제거와 비국소 필터링 간의 이론적 연결고리를 제공한다.
• 이 방법은 총변동 측도의 미분 가능성 조건 없이도 TV 최소화를 위한 수치적 방법을 가능하게 하며, 순수한 함수공간 설정을 가능하게 한다.
• 표준적인 $ \Omega $ 와 $ f^\delta $ 의 가정 하에 근사 기능의 수렴성이 증명되었으며, 모든 $ n $ 에 대해 $ \mathcal{F}_n^p $ 가 유일한 최소화자를 가짐을 입증하였다.