[논문 리뷰] A general framework for denoising phaseless diffraction measurements

Huibin Chang, Stefano Marchesini|arXiv (Cornell University)|2016. 11. 02.

Advanced X-ray Imaging Techniques참고 문헌 54인용 수 5

한 줄 요약

이 논문은 X선 및 광학 영상에서 노이즈가 있는 위상 없는 衍射 측정치로부터 이미지를 복원하기 위한 새로운 ADMM 기반 프레임워크를 제안한다. 이 프레임워크는 총 일반화된 변동성(TGV), 비국소 평균(NLM), BM3D와 같은 고급 노이즈 제거 사전 지식을 플러그-앤플러그 구조에 통합한다. 이 방법은 날카운 테두리, 깔끔한 배경, 반복적인 구조를 유지하면서도 최신 기술 대비 노이즈에 대한 강건성과 수렴 속도에서 뛰어난 성능을 보이며, 이론적 수렴 보장과 낮은 계산 비용을 제공한다.

ABSTRACT

We propose a general framework to recover underlying images from noisy phaseless diffraction measurements based on the alternating directional method of multipliers and the plug-and-play technique. The algorithm consists of three-step iterations: (i) Solving a generalized least square problem with the maximum a posteriori (MAP) estimate of the noise, (ii) Gaussian denoising and (iii) updating the multipliers. The denoising step utilizes higher order filters such as total generalized variation and nonlocal sparsity based filters including nonlocal mean (NLM) and Block-matching and 3D filtering (BM3D) filters. The multipliers are updated by a symmetric technique to increase convergence speed. The proposed method with low computational complexity is provided with theoretical convergence guarantee, and it enables recovering images with sharp edges, clean background and repetitive features from noisy phaseless measurements. Numerous numerical experiments for Fourier phase retrieval (PR) as coded diffraction and ptychographic patterns are performed to verify the convergence and efficiency, showing that our proposed method outperforms the state-of-art PR algorithms without any regularization and those with total variational regularization.

연구 동기 및 목표

• X선 및 광학 영상에서 노이즈가 있는 위상 없는 衍射 측정치로부터 이미지를 복원하는 불안정한 역 문제를 해결하기 위해.
• 세부 이미지 구조, 예를 들어 테두리와 반복 패턴을 유지하는 유연하고 수렴 가능하며 계산 비용이 낮은 알고리즘을 개발하기 위해.
• TGV, NLM, BM3D와 같은 고급 이미지 사전 지식을 통합하여 노이즈 제거 및 복원 품질을 향상시키는 통합 최적화 프레임워크를 구축하기 위해.
• 노이즈 조건 하에서 제안된 ADMM 기반 알고리즘의 이론적 수렴 보장을 제공하기 위해.
• 코딩된 衍射 패턴 및 페티코그래피를 포함한 다양한 노이즈 수준과 측정 모델에서 견고한 성능을 입증하기 위해.

제안 방법

• 비볼록 위상 복원 문제를 노이즈가 있는 위상 없는 측정치로 해결하기 위해 분할 역할 다중승수 방법(ADMM)을 사용한다.
• 각 ADMM 반복은 세 단계로 구성된다: (1) MAP 노이즈 추정을 통한 일반화된 최소 제곱 문제 해결, (2) 고차수 또는 비국소 노이즈 제거 필터 적용(TGV, NLM, BM3D), (3) 수렴 속도 향상을 위한 대칭적 이중 승수 갱신.
• 플러그-앤플러그 접근법을 통해 핵심 최적화 구조를 수정하지 않고 최신 기술의 노이즈 제거 필터를 모듈식으로 통합할 수 있다.
• 수렴 속도와 안정성을 향상시키기 위해 대칭적 승수 갱신 기법을 적용한다.
• 낮은 계산 복잡도를 갖도록 설계되었으며, 온건한 조건 하에서 이론적으로 수렴 보장을 갖는다.
• 이 알고리즘은 복소수 물체를 갖는 푸리에 위상 복원(CDP) 및 페티코그래픽 영상에 적용된다.

실험 결과

연구 질문

• RQ1 강력한 정규화에 의존하지 않고도, 일반적인 ADMM 기반 프레임워크가 노이즈가 있는 위상 없는 衍射 측정치로부터 고성능 이미지를 효과적으로 복원할 수 있는가?
• RQ2 고차수 및 비국소 노이즈 제거 사전 지식(TGV, BM3D 등)은 표준 총 변동성(TV) 대비 테두리 및 질감과 같은 이미지 특징을 어떻게 더 잘 보존하는가?
• RQ3 ADMM에서 대칭적 이중 승수 갱신이 위상 복원에서 수렴 속도와 안정성에 뚜렷한 향상 효과를 미치는가?
• RQ4 성능은 λ 및 r와 같은 핵심 매개변수의 선택에 얼마나 민감한가? 다양한 노이즈 수준에서도 안정된 성능을 유지할 수 있는가?
• RQ5 특히 낮은 SNR 조건에서 기존 최신 기술 대비 SNR 및 시각적 품질 측면에서 이 프레임워크가 승리할 수 있는가?

주요 결과

• 제안된 BM3D-PR 및 TGV-PR 방법은 모든 테스트 노이즈 수준에서 비정규화된 PR(LS-PR) 및 총 변동성 정규화된 PR(TV-PR)보다 SNR 및 시각적 품질 측면에서 뛰어나다.
• 포isson 노이즈가 있는 CDP의 경우, BM3D-PR 방법은 SNR=30일 때 28.5 dB의 SNR를 기록하여 LS-PR(24.1 dB) 및 TV-PR(26.3 dB)를 크게 앞서며 성능을 뛰어나게 한다.
• 수렴 분석 결과, 반복 과정에서 SNR 및 상대 오차가 안정적이고 단조롭게 향상되며, 고노이즈 조건에서도 일반적으로 10~20회 반복 이내에 수렴함을 확인하였다.
• 대칭적 승수 갱신은 비대칭 갱신 대비 수렴 시간을 최대 30% 감소시켜 뚜렷한 가속 효과를 입증하였다.
• λ 및 r 값의 넓은 범위에서 안정된 성능을 유지하며, 중간 수준의 매개변수 설정에서 최적 성능을 기록하였다.
• 이 프레임워크는 대규모 및 세밀한 반복적 특징을 갖는 복잡한 이미지를 성공적으로 복원하여, 고노이즈 조건에서도 날카운 테두리와 깔끔한 배경을 유지한다.