[논문 리뷰] Mask Iterative Hard Thresholding Algorithms for Sparse Image Reconstruction of Objects with Known Contour

A. Dogandzic, Renliang Gu외 1명|arXiv (Cornell University)|2011. 12. 02.

Sparse and Compressive Sensing Techniques참고 문헌 1인용 수 8

한 줄 요약

이 논문은 웨이브렛 도메인에서의 희박성 제약 조건과 알려진 물체 윤곽 정보를 통합하여 X선 CT에서 희소 영상 복원을 위한 마스크 반복적 경계 이론(Mask IHT) 및 이중 과초과완화(Mask DORE) 알고리즘을 제안한다. 기하학적 및 희박성 사전 지식을 활용하여 최적화 과정에서 잔차 오차가 단조롭게 감소하도록 하여, 기존 방법보다 훨씬 적은 측정 수로 탁월한 복원 품질을 달성한다.

ABSTRACT

We develop mask iterative hard thresholding algorithms (mask IHT and mask DORE) for sparse image reconstruction of objects with known contour. The measurements follow a noisy underdetermined linear model common in the compressive sampling literature. Assuming that the contour of the object that we wish to reconstruct is known and that the signal outside the contour is zero, we formulate a constrained residual squared error minimization problem that incorporates both the geometric information (i.e. the knowledge of the object's contour) and the signal sparsity constraint. We first introduce a mask IHT method that aims at solving this minimization problem and guarantees monotonically non-increasing residual squared error for a given signal sparsity level. We then propose a double overrelaxation scheme for accelerating the convergence of the mask IHT algorithm. We also apply convex mask reconstruction approaches that employ a convex relaxation of the signal sparsity constraint. In X-ray computed tomography (CT), we propose an automatic scheme for extracting the convex hull of the inspected object from the measured sinograms; the obtained convex hull is used to capture the object contour information. We compare the proposed mask reconstruction schemes with the existing large-scale sparse signal reconstruction methods via numerical simulations and demonstrate that, by exploiting both the geometric contour information of the underlying image and sparsity of its wavelet coefficients, we can reconstruct this image using a significantly smaller number of measurements than the existing methods.

연구 동기 및 목표

• 기존 압축 감지 방법이 부족한 사전 지식으로 인해 성능이 저하될 수 있는 X선 단층촬영(CT)에서 희소 영상 복원 문제를 해결한다.
• 표준 희박성 기반 방법을 초월하여 알려진 물체 윤곽 정보를 기하학적 제약 조건으로 통합하여 복원 정확도를 향상시킨다.
• 실제 CT 응용에서 윤곽 정보를 활용할 수 있도록 측정된 시노그램에서 물체의 볼록껍질을 자동으로 추출하는 기법을 개발한다.
• 마스크 IHT 알고리즘에 이중 과초과완화(DOOR) 가속 기법을 도입하여 반복 복원의 수렴성과 안정성을 향상시킨다.
• 기하학적 제약 조건과 희박성 제약 조건을 조합함으로써 필요한 측정 수를 크게 줄일 수 있으며, 영상 품질을 손상시키지 않음을 입증한다.

제안 방법

• 웨이브렛 도메인에서의 신호 희박성과 알려진 물체 윤곽 외부의 신호 값이 0이 되도록 하는 마스크 M을 통한 제약 조건을 포함한 잔차 제곱 오차 최소화 문제를 수립한다.
• 마스크 IHT 알고리즘을 도입하여, 변환 도메인에서 크기가 가장 큰 계수들을 임계처리하면서도 마스크 제약 조건을 유지하는 방식으로 희박한 신호 추정치를 반복적으로 갱신한다.
• 이완 파라미터를 사용해 단계 크기를 동적으로 조정하는 이중 과초과완화(DOOR) 기법을 적용하여 마스크 IHT의 수렴 속도를 가속화한다.
• 동일한 기하학적 및 희박성 제약 조건 하에서 희박한 복원 문제의 부드럽고 볼록한 근사 문제를 해결하는 볼록 근사 기반 변형(예: 마스크 FPC_AS)을 개발한다.
• 측정된 시노그램 데이터를 활용해 물체의 볼록껍질을 자동으로 추출하고, 이는 복원 과정에서 마스크 M으로 사용된다.
• 측도 행렬의 스펙트럼 노름과 이완 파라미터를 포함한 충분 조건을 만족함으로써 잔차 오차가 단조롭게 감소함을 증명한다.

실험 결과

연구 질문

• RQ1 알려진 물체 윤곽 정보를 희박한 신호 복원에 통합함으로써 CT 영상에서 요구되는 측정 수를 크게 줄일 수 있는가?
• RQ2 마스크 IHT 및 마스크 DORE의 성능은 표준 압축 감지 방법인 DORE 및 FBP와 비교해 영상 품질과 측정 효율성 측면에서 어떻게 다른가?
• RQ3 시노그램에서 자동으로 추출된 볼록껍질이 윤곽 기반 복원의 실용성과 강건성에 얼마나 기여하는가?
• RQ4 이중 과초과완화 기법이 마스크 IHT 알고리즘의 수렴 속도를 효과적으로 가속화하면서도 복원 정확도를 유지하는가?
• RQ5 기하학적 제약 조건과 희박성 제약 조건을 조합하면 국한된 각도나 저선량 CT 복원에서 앨리어징 아티팩트와 노이즈를 효과적으로 억제할 수 있는가?

주요 결과

• 마스크 DORE 알고리즘은 반복 과정에서 잔차 제곱 오차가 단조롭게 감소함을 보이며, 주어진 희박성 수준에서 안정적인 수렴을 보장한다.
• 수치 시뮬레이션 결과, 제안된 방법은 표준 DORE 및 FBP 방법보다 훨씬 적은 측정 수로 영상을 복원함을 입증하며, 필요한 투사 수의 유의미한 감소를 보였다.
• 160개의 투사 수(180개 대비)로 제한된 각도 조건에서도 마스크 DORE는 앨리어징 아티팩트를 효과적으로 보정하고 노이즈를 감소시켜, 영상 품질에서 표준 DORE 및 FBP를 능가했다.
• 시노그램에서 자동으로 추출된 볼록껍질 추출 기법은 물체 윤곽을 성공적으로 포착하여 수동 입력 없이도 기하학적 제약 조건을 신뢰성 있게 활용할 수 있도록 했다.
• 마스크 FPC_AS와 마스크 DORE를 사용한 복원 결과는 매우 유사하여, 다양한 알고리즘 프레임워크 간에도 기하학적 제약 조건 통합의 강건성이 입증되었다.
• 이론적 분석을 통해 이완 파라미터가 스펙트럼 노름 기반 부등식을 만족할 경우 잔차 오차가 단조롭게 감소함을 확인하였으며, 이는 수렴 안정성을 보장한다.