[논문 리뷰] Denoising Using Projection Onto Convex Sets (POCS) Based Framework

Mohammad Tofighi, Kıvanç Köse외 1명|arXiv (Cornell University)|2013. 09. 03.

Sparse and Compressive Sensing Techniques참고 문헌 26인용 수 3

한 줄 요약

이 논문은 총변동(TV) 함수의 에피그래프를 사용하여 최적화 문제를 R^{N+1}로 올림으로써 정규화 파rameter 조정이 필요 없는 전역 최적 해를 도출하는 새로운 POCS 기반 노이즈 제거 프레임워크를 제안한다. 이 방법은 비용 함수와 레벨 세트에서 유도된 볼록 집합에 대해 반복적으로 수직 투영을 수행하여, 다양한 노이즈 모델에서 Chambolle의 알고리즘보다 뛰어난 SNR 및 시각적 품질을 달성한다.

ABSTRACT

Two new optimization techniques based on projections onto convex space (POCS) framework for solving convex optimization problems are presented. The dimension of the minimization problem is lifted by one and sets corresponding to the cost function are defined. If the cost function is a convex function in R^N the corresponding set is also a convex set in R^{N+1}. The iterative optimization approach starts with an arbitrary initial estimate in R^{N+1} and an orthogonal projection is performed onto one of the sets in a sequential manner at each step of the optimization problem. The method provides globally optimal solutions in total-variation (TV), filtered variation (FV), L_1, and entropic cost functions. A new denoising algorithm using the TV framework is developed. The new algorithm does not require any of the regularization parameter adjustment. Simulation examples are presented.

연구 동기 및 목표

• 이미지 복원을 위한 정규화 파rameter가 필요 없는 노이즈 제거 알고리즘을 개발하기 위해.
• TV 기반 노이즈 제거 방법에서 정규화 파arameter 조정의 과제를 해결하기 위해.
• 볼록 최소화 문제에서 전역 최적 해를 도출하기 위해 POCS 프레임워크를 활용하기 위해.
• 문제 차원을 높이고 비용 함수의 에피그래프를 사용하여 POCS의 적용 범위를 이미지 노이즈 제거로 확장하기 위해.
• SNR 및 시각적 정밀도 측면에서 기존의 TV 기반 노이즈 제거 방법보다 향상된 성능을 입증하기 위해.

제안 방법

• 이 방법은 TV 함수의 에피그래프를 R^{N+1} 내의 볼록 집합으로 정의하여 원래의 N차원 최소화 문제를 R^{N+1}로 올린다.
• α = 0인 예제에서 제시된 바와 같이, 레벨 세트 제약 조건(y ≤ α)에 해당하는 두 번째 볼록 집합을 도입한다.
• 알고리즘은 임의의 초기 추정값에서 시작하여 R^{N+1} 내의 에피그래프 집합과 레벨 세트에 대해 순차적으로 수직 투영을 수행한다.
• 에피그래프 집합으로의 투영은 거리의 유클리드 최소화를 통해 계산되며, 이는 전역 최소값으로의 수렴을 보장한다.
• Bregman 거리 계산을 피하고 표준 수직 투영에 의존함으로써 계산 효율성이 높아진다.
• 정밀도 단계는 에피그래프로의 거리가 증가하기 시작할 때 최적 해로의 수렴을 알리는 신호를 감지한다.

실험 결과

연구 질문

• RQ1 Bregman 거리 계산이 필요 없이 POCS 기반 프레임워크로 볼록 최소화 문제를 해결할 수 있는가?
• RQ2 차원 상향 기법을 TV 기반 노이즈 제거에 적용하여 정규화 파arameter 조정이 필요 없도록 할 수 있는가?
• RQ3 제안된 방법이 Chambolle의 알고리즘과 같은 최신 기술보다 SNR 및 시각적 품질 측면에서 더 뛰어난 노이즈 제거 성능을 달성하는가?
• RQ4 이 방법은 가우시안 노이즈와 ε-오염된 가우시안 노이즈 모두에 대해 강건성을 유지할 수 있는가?
• RQ5 상향된 공간에서 반복적 투영 과정의 수렴 행동은 어떠한가?

주요 결과

• 제안된 POCS 기반 노이즈 제거 알고리즘은 모든 테스트 노이즈 수준에서 Chambolle의 알고리즘보다 더 높은 SNR를 달성하며, σ = 45인 가우시안 노이즈에서 'Note' 이미지의 경우 최대 2.3 dB의 향상이 있었다.
• σ = 45일 때 'Note' 이미지의 경우 POCS 방법은 SNR 15.08을 달성했고, Chambolle의 알고리즘은 12.78을 기록했다.
• ε-오염된 가우시안 노이즈 하에서 POCS 방법은 일관되게 Chambolle의 알고리즘을 능가했으며, ε = 0.95, σ₁ = 5, σ₂ = 80일 때 3.0 dB의 향상이 있었다.
• σ = 30일 때 10개의 테스트 이미지 평균 SNR는 23.18이었고, Chambolle의 방법은 22.84였다.
• 에피그래프로의 수직 거리의 수렴은 처음에는 단조 감소하다가 이후 증가하며, 이는 정지 기준으로 사용된다.
• 알고리즘은 시각적 검토를 통해 가장자리와 질감을 더 잘 보존하는 더 뛰어난 결과를 생성한다.