[논문 리뷰] Image denoising: learning noise distribution via PDE-constrained optimization

Juan-Carlos De Los Reyes, Carola‐Bibiane Schönlieb|arXiv (Cornell University)|2012. 07. 14.

Image and Signal Denoising Methods참고 문헌 39인용 수 3

한 줄 요약

이 논문은 총변동(TV) 영상 정화에서 잡음 분포를 학습하기 위해 PDE 제약 최적화 프레임워크를 제안한다. 이는 최적의 잡음 모델 가중치를 결정하여 이루어지며, 해의 존재성을 확립하고 최적성 시스템을 유도하며, 준-뉴턴 및 반스무드 뉴턴 방법을 사용하여 수치적으로 매개변수를 계산함으로써 TV 기반 정화에서 강인하고 데이터 기반의 잡음 모델링을 가능하게 한다.

ABSTRACT

We propose a PDE-constrained optimization approach for the determination of noise distribution in total variation (TV) image denoising. An optimization problem for the determination of the weights correspondent to different types of noise distributions is stated and existence of an optimal solution is proved. A tailored regularization approach for the approximation of the optimal parameter values is proposed thereafter and its consistency studied. Additionally, the differentiability of the solution operator is proved and an optimality system characterizing the optimal solutions of each regularized problem is derived. The optimal parameter values are numerically computed by using a quasi-Newton method, together with semismooth Newton type algorithms for the solution of the TV-subproblems.

연구 동기 및 목표

• 총변동(TV) 영상 정화에서 알 수 없는 잡음 분포를 정확하게 모델링하는 데 도전하는 것.
• 다양한 잡음 유형에 대응하는 가중치를 결정하기 위해 PDE 제약 최적화 문제를 설정하는 것.
• 잡음 분포 매개변수 추정 문제에 대해 최적 해의 존재성을 증명하는 것.
• 최적 매개변수를 근사하기 위한 맞춤형 정규화 접근법을 개발하고, 그 일관성을 확립하는 것.
• 각 정규화된 문제의 해를 특징짓는 최적성 시스템을 도출하여 수치 계산을 가능하게 하는 것.

제안 방법

• 상태 방정식이 TV 정화 모델인 PDE 제약 최적화 문제를 설정하며, 최적화 대상인 매개변수는 잡음 분포 가중치를 나타낸다.
• 최적 매개변수 값의 근사화를 안정화하기 위한 정규화 전략을 도입하고, 그 수렴성(일관성)을 증명한다.
• 매개변수에서 정화된 영상으로의 해 연산자 연속성을 확립하여 기울기 기반 최적화 방법을 가능하게 한다.
• 각 정규화된 문제의 최적 해를 특징짓는 일阶 최적성 시스템을 유도하며, 최적성의 필요 조건을 제공한다.
• 외부 최적화를 위해 준-뉴턴 방법을 사용하고, 내부 TV 하위문제 해결을 위해 반스무드 뉴턴 유형의 해법을 결합한다.
• 해결된 비선형 시스템을 이중 반복적 접근법으로 풀며, 매개변수 갱신과 정화 하위문제 해결을 결합한다.

실험 결과

연구 질문

• RQ1 PDE 제약 최적화 프레임워크가 TV 기반 영상 정화에서 알 수 없는 잡음 분포를 효과적으로 학습하는 데 사용될 수 있는가?
• RQ2 제안된 최적화 문제가 해를 갖는가? 그리고 최적의 매개변수 집합 존재성을 엄밀히 증명할 수 있는가?
• RQ3 최적의 잡음 모델 매개변수 근사가 안정적이고 일관되게 이루어지도록 정규화를 어떻게 설계할 수 있는가?
• RQ4 변동 잡음 매개변수를 가진 TV 정화 맥락에서 해 연산자의 미분 가능성 성질은 무엇인가?
• RQ5 정규화된 문제의 해를 특징짓는 최적성 시스템을 도출할 수 있으며, 이를 통해 효율적인 수치 계산이 가능할까?

주요 결과

• 제안된 PDE 제약 프레임워크 하에서 TV 정화의 잡음 분포 매개변수 추정 문제에 대해 최적 해의 존재성이 엄밀히 증명되었다.
• 매개변수 근사에 대한 제안된 정규화 접근법은 일관성이 있음을 입증되었으며, 정규화가 강화될수록 근사해가 진짜 최적 매개변수로 수렴함을 의미한다.
• 잡음 모델 매개변수에서 정화된 영상으로의 해 연산자가 미분 가능하다는 것이 증명되었으며, 이는 기울기 기반 최적화 방법을 가능하게 한다.
• 각 정규화된 문제의 해를 특징짓는 최적성 시스템이 도출되었으며, 이는 최적성의 필요 조건을 제공한다.
• 수치 실험 결과, 준-뉴턴 및 반스무드 뉴턴 방법의 조합이 최적의 잡음 모델 매개변수를 효과적으로 계산함을 보였다.
• 이 프레임워크는 TV 정화에서 데이터 기반의 잡음 분포 선택을 가능하게 하여, 잡음 유형에 대한 사전 지식 없이도 강인성과 정확성을 향상시킨다.