[논문 리뷰] A Robust Alternating Direction Method for Constrained Hybrid Variational Deblurring Model

Ryan Wen Liu, Tian Xu|arXiv (Cornell University)|2013. 08. 31.

Image and Signal Denoising Methods참고 문헌 2인용 수 3

한 줄 요약

이 논문은 첫째 및 둘째 순서 총 변동(regularizers)을 조합하고 상자 제약 조건을 도입하여 이미지 복원 성능을 햖थ한 제약 조건이 부여된 하이브리드 비볼록 총 변동 모델을 제안한다. ADMM 기반의 반복적으로 재가중하는 알고리즘을 사용하여, 고주파 진동 잔상( ringing artifacts)을 효과적으로 억제하면서도 세밀한 디테일을 유지하며, 다양한 흐림 및 노이즈 조건에서 정성적 및 정량적 평가에서 최신 기술들을 능가한다.

ABSTRACT

In this work, a new constrained hybrid variational deblurring model is developed by combining the non-convex first- and second-order total variation regularizers. Moreover, a box constraint is imposed on the proposed model to guarantee high deblurring performance. The developed constrained hybrid variational model could achieve a good balance between preserving image details and alleviating ringing artifacts. In what follows, we present the corresponding numerical solution by employing an iteratively reweighted algorithm based on alternating direction method of multipliers. The experimental results demonstrate the superior performance of the proposed method in terms of quantitative and qualitative image quality assessments.

연구 동기 및 목표

• 볼록 TV 기반 복원의 한계, 즉 과도한 평탄화와 고주파 진동 잔상을 해결하기 위해 비볼록 첫째 및 둘째 순서 총 변동 정규화를 조합한다.
• 실제 물리적 다이내믹 레인지 내에서 픽셀 값이 유지되도록 하는 상자 제약 조건을 도입하여 이미지 복원의 물리적 타당성을 확보하고 성능을 향상시킨다.
• 하이브리드 변분 모델에서 발생하는 비볼록이고 제약 조건이 부여된 최적화 문제를 수치적으로 안정적이고 효율적인 방법으로 해결한다.
• 지역 헤시안 구조 기반의 적응형 가중치를 통해 에지 유지와 잔상 억제 사이의 균형 잡힌 무게 조정을 달성한다.
• 노이즈가 없는 경우와 노이즈가 있는 경우 모두에서 기존 최신 기술들과의 비교를 통해 제안된 방법의 우수성을 검증한다.

제안 방법

• 제안된 모델은 비볼록 첫째 및 둘째 순서 총 변동 정규화와 초라플라시안 사전 확률을 조합하며, 매개변수 ν₁ 및 ν₂를 통해 잔상 억제와 디테일 유지 사이의 균형을 조절한다.
• 이미지 강도 값에 대해 [l, u] 상자 제약 조건을 적용하여 물리적으로 타당한 해를 보장하고 범위를 벗어난 픽셀 값의 발생을 방지한다.
• 현재 이미지 추정치의 가우시안 필터링 헤시안 행렬의 고유값을 사용하여 적응형 가중치 함수 ζ를 계산하여 지역별 정규화를 가능하게 한다.
• 최적화는 효율성과 안정성을 확보하기 위해 닫힌 형태로 하위 문제를 해결할 수 있는 ADMM 기반의 반복적으로 재가중하는 알고리즘을 통해 해결한다.
• 알고리즘은 이미지 추정치, 이중 변수, 벌점 매개변수를 번갈아 업데이트하여 안정된 해에 수렴하도록 한다.
• 이 방법은 이미지 열화 과정의 행렬-벡터 표현을 사용하여 구현되며, H는 흐림 행렬이고 g는 관측된 흐린 이미지이다.

실험 결과

연구 질문

• RQ1 첫째 및 둘째 순서 도함수를 조합한 하이브리드 비볼록 총 변동 모델은 볼록 또는 단일 순서 TV 모델보다 복원 성능을 향상시킬 수 있는가?
• RQ2 고주파 진동 잔상과 노이즈 존재 조건에서 상자 제약 조건을 통합할 경우 복원된 이미지의 품질과 물리적 타당성은 어떻게 향상되는가?
• RQ3 닫힌 형태의 하위 문제를 가진 비볼록이고 미분 불가능한 최적화 문제를 ADMM 기반의 반복적으로 재가중하는 알고리즘이 효율적으로 해결할 수 있는가?
• RQ4 흐림 전용 또는 흐림+노이즈 조건과 같은 다양한 열화 조건에서 첫째 및 둘째 순서 정규화의 최적 균형(ν₁, ν₂)은 무엇인가?
• RQ5 지역 헤시안 구조 기반의 적응형 가중치 함수는 텍스처 및 에지 영역에서 디테일 유지에 어떻게 기여하는가?

주요 결과

• ν₁ = ν₂ = 0.55로 설정된 제안된 CNCHTV 모델은 모든 테스트 이미지와 열화 조건에서 최고의 종합 성능을 달성하였으며, MSSIM 점수에서 크리시안의 방법과 찬의 방법을 모두 능가하였다.
• 노이즈가 없는 조건에서, 이 방법은 크리시안의 방법이 텍스처를 과도하게 평탄화한 것과는 달리 세밀한 이미지 디테일을 현저히 더 잘 유지하였으며, 찬의 방법은 눈에 띄는 고주파 진동 잔상을 유발하였다.
• 노이즈가 있는 조건(1%, 2%, 5%)에서 제안된 방법은 증가하는 노이즈 수준에 비해 시각적 품질과 디테일 유지 능력이 뛰어나게 유지되었고, 크리시안의 방법과 찬의 방법은 노이즈 수준이 높아지면서 급격히 성능이 떨어졌다.
• 적응형 가중치 함수 ζ는 텍스처 영역과 균일한 영역을 성공적으로 식별하였으며, 에지 및 디테일 영역에 더 높은 가중치를 할당하여 국소 복원 정확도를 향상시켰다.
• 반복적으로 재가중하는 ADMM 알고리즘이 안정적이고 효율적으로 수렴하였으며, 하위 문제들이 닫힌 형태로 해결 가능하여 강력하고 신속한 복원을 가능하게 하였다.
• 표 1의 정량적 결과는 제안된 방법이 모든 테스트 이미지와 노이즈 수준에서 최신 기술들보다 일관되게 높은 MSSIM 값을 확보함을 확인하였다.