[논문 리뷰] Coercive functions from a topological viewpoint and properties of minimizing sets of convex functions appearing in image restoration

René Ciak|arXiv (Cornell University)|2015. 06. 23.

Sparse and Compressive Sensing Techniques참고 문헌 12인용 수 4

한 줄 요약

이 논문은 이미지 복원의 맥락에서 강제 함수와 볼록 함수의 최소화 집합을 위상수학적 및 변분 해석을 통해 조사한다. 핵심 최적성 조건에서의 등식이 오직 후보 점이 최소화자가 아닐 때에만 성립함을 보이며, Ψ(x) = x²를 이용한 반례를 통해 이 조건의 必要성(필수성)을 입증한다.

ABSTRACT

Many tasks in image processing can be tackled by modeling an appropriate data fidelity term $Φ: \mathbb{R}^n ightarrow \mathbb{R} \cup \{+\infty\}$ and then solve one of the regularized minimization problems \begin{align*} &{}(P_{1,τ}) \qquad \mathop{ m argmin}_{x \in \mathbb R^n} \big\{ Φ(x) \;{ m s.t.}\; Ψ(x) \leq τ\big\} \\ &{}(P_{2,λ}) \qquad \mathop{ m argmin}_{x \in \mathbb R^n} \{ Φ(x) + λΨ(x) \}, \; λ> 0 \end{align*} with some function $Ψ: \mathbb{R}^n ightarrow \mathbb{R} \cup \{+\infty\}$ and a good choice of the parameter(s). Two tasks arise naturally here: \begin{align*} {}& ext{1. Study the solver sets ${ m SOL}(P_{1,τ})$ and ${ m SOL}(P_{2,λ})$ of the minimization problems.} \\ {}& ext{2. Ensure that the minimization problems have solutions.} \end{align*} This thesis provides contributions to both tasks: Regarding the first task for a more special setting we prove that there are intervals $(0,c)$ and $(0,d)$ such that the setvalued curves \begin{align*} τ\mapsto {}& { m SOL}(P_{1,τ}), \; τ\in (0,c) \\ {} λ\mapsto {}& { m SOL}(P_{2,λ}), \; λ\in (0,d) \end{align*} are the same, besides an order reversing parameter change $g: (0,c) ightarrow (0,d)$. Moreover we show that the solver sets are changing all the time while $τ$ runs from $0$ to $c$ and $λ$ runs from $d$ to $0$. In the presence of lower semicontinuity the second task is done if we have additionally coercivity. We regard lower semicontinuity and coercivity from a topological point of view and develop a new technique for proving lower semicontinuity plus coercivity. Dropping any lower semicontinuity assumption we also prove a theorem on the coercivity of a sum of functions.

연구 동기 및 목표

• 강제성과 위상적 성질이 볼록 함수의 최소화 집합을 특성화하는 데 수행하는 역할를 이해하는 것.
• 특히 최소화자 아님 조건의 필수성에 중점을 두고, 최적성 조건에서 등식이 성립하는 조건을 명확히 하는 것.
• 하위레벨 집합의 구조와 변분 문제에서의 하위도함수와의 관계를 조사하는 것.
• 볼록 최소화에 의존하는 이미지 복원 모델에 대한 이론적 기반을 제공하는 것.

제안 방법

• 최적성 조건을 시험하기 위해 표준 예시로 Ψ(x) = x² 함수를 분석한다.
• 최소화자 x* = 0 ∈ int(dom Ψ)에서의 하위레벨 집합 S = lev_Ψ(0)Ψ = {0}를 검토한다.
• 하위도함수 R_+ ∂Ψ(x*) = {0}가 생성하는 양의 반직선을 집합 S의 지표 함수의 하위도함수 ∂ι_S(x*)와 비교한다.
• 위상수학적 추론을 통해 x*가 최소화자일 경우 최적성 조건에서의 등식이 성립하지 않음을 보인다.
• 하위도함수 미분법과 지표 함수를 포함한 변분 해석 도구를 활용하여 최소화 집합을 연구한다.
• 제시된 예시를 이용한 모순을 통한 방법으로, 최소화자 아님 조건의 필수성을 입증한다.

실험 결과

연구 질문

• RQ1 볼록 함수에 대해 최적성 조건 (LABEL:wichtig)에서 등식이 성립하는 조건은 무엇인가?
• RQ2 왜 주어진 조건에서 등식이 성립하기 위해선 x*가 최소화자가 아니어야 하는가?
• RQ3 최소화자 x* = 0 에서 Ψ와 지표 함수 ι_S의 하위도함수는 어떻게 관련되어 있는가?
• RQ4 어떤 위상수학적 및 변분적 성질이 볼록 최적화에서 최소화 집합을 특성화하는가?
• RQ5 Ψ(x) = x²의 예시는 최소화자 아님 조건의 필수성을 어떻게 설명하는가?

주요 결과

• 최소화자일 경우 최적성 조건 (LABEL:wichtig)에서의 등식이 실패함을 Ψ(x) = x²의 반례로 입증하였다.
• x* = 0 에서 하위도함수 R_+ ∂Ψ(x*) = {0}는 전체 하위도함수 ∂ι_S(x*) = R에 엄격히 포함되어 있음을 보여, 엄격한 포함 관계가 성립한다.
• 집합 S = lev_Ψ(0)Ψ = {0}는 싱글턴 집합이므로 최소화자가 고립되어 있고 하위레벨 집합이 자명함을 나타낸다.
• 분석 결과, 제시된 최적성 조건에서 등식을 이루기 위해선 x*가 최소화자가 아님을 보장하는 조건이 필수적임을 확인하였다.
• 예시는 강제성과 정의도메인의 위상적 구조가 최소화자에서 하위도함수의 행동에 영향을 미친다는 것을 보여준다.
• 결과는 볼록 해석에서 최소화점에 적용할 때 하위도함수 미분법에 있어 미묘하지만 핵심적인 차이를 드러낸다.