[논문 리뷰] Multi-Resolution Compressed Sensing via Approximate Message Passing

Xing Wang, Jie Liang|arXiv (Cornell University)|2015. 08. 11.

Sparse and Compressive Sensing Techniques참고 문헌 28인용 수 4

한 줄 요약

이 논문은 다중 해상도 압축 감지에서 안정적인 저해상도(LR) 신호 복원을 가능하게 하는 약간의 메시지 전달 프레임워크인 MR-AMP를 제안한다. 고해상도(HR) 복원이 샘플 수가 부족하여 불가능한 경우에도 작동한다. 상태 진동수, 단계 전이, 노이즈 민감도를 유도함으로써, HR 복원이 불안정한 경우에도 LR 복원의 노이즈 민감도가 유한함을 보여주며, 복잡성과 성능 면에서 직접 HR 복원 후 다운샘플링 방식을 능가한다.

ABSTRACT

In this paper, we consider the problem of multi-resolution compressed sensing (MR-CS) reconstruction, which has received little attention in the literature. Instead of always reconstructing the signal at the original high resolution (HR), we enable the reconstruction of a low-resolution (LR) signal when there are not enough CS samples to recover a HR signal. We propose an approximate message passing (AMP)-based framework dubbed MR-AMP, and derive its state evolution, phase transition, and noise sensitivity, which show that in addition to reduced complexity, our method can recover a LR signal with bounded noise sensitivity even when the noise sensitivity of the conventional HR reconstruction is unbounded. We then apply the MR-AMP to image reconstruction using either soft-thresholding or total variation denoiser, and develop three pairs of up-/down-sampling operators in transform or spatial domain. The performance of the proposed scheme is demonstrated by both 1D synthetic data and 2D images.

연구 동기 및 목표

• 다중 해상도 압축 감지(MR-CS) 복원을 위한 이론적 및 알고리즘적 프레임워크의 부족을 해결하기 위해.
• 압축 감지(CS) 샘플 수가 부족하여 고해상도(HR) 복원이 불가능한 상황에서도 안정적인 저해상도(LR) 신호 복원을 가능하게 하기 위해.
• 다양한 해상도 복원을 지원하고 이론적 성능 보장을 제공하는 약간의 메시지 전달(AMP) 기반 프레임워크를 개발하기 위해.
• 소프트 스레셔딩 및 총 변동성과 같은 디노이징 기법과 함께 사용할 수 있는 변환 영역 및 공간 영역에서의 효율적인 업샘플링/다운샘플링 연산자를 설계하기 위해.
• MR-AMP가 직접 HR 복원 후 다운샘플링 방식보다 복잡성과 복원 품질 면에서 뛰어나다는 것을 입증하기 위해.

제안 방법

• 가용한 CS 샘플에 따라 동적으로 다중 해상도에서 신호를 복원하는 AMP 기반 프레임워크인 MR-AMP를 제안한다.
• 복원 성능을 예측하고 샘플링 비율-희박성 평면에서의 단계 전이를 분석하기 위해 상태 진동수 방정식을 유도한다.
• 소프트 스레셔딩 및 총 변동성 디노이징 기법에 맞게 변환 영역과 공간 영역에서의 세 쌍의 업샘플링/다운샘플링 연산자를 도입한다.
• 최악의 복원 오차를 모델링하기 위해 볼록 최소화 MSE 함수를 사용하여, LR 복원의 노이즈 민감도가 유한함을 보장한다.
• 1D 합성 신호와 2D 이미지 복원에 프레임워크를 적용하여 다양한 샘플링 비율과 해상도 요인에서 성능을 검증한다.
• 최적의 임계값 설정을 위해 SURE 방법을 사용하고, 고해상도 감소 시나리오에서 더 빠른 계산을 위해 비최적의 최대-최소 방법을 적용한다.

실험 결과

연구 질문

• RQ1 압축 감지(CS) 샘플 수가 부족하여 고해상도(HR) 복원이 불가능한 상황에서 저해상도(LR) 신호 복원이 안정적으로 이루어질 수 있는가?
• RQ2 HR 복원과 비교할 때, LR 복원의 이론적 성능 한계는 단계 전이와 노이즈 민감도 측면에서 어떻게 되는가?
• RQ3 다중 해상도 CS에서 복원 품질을 유지하면서 계산 복잡도를 감소시키기 위해 업샘플링/다운샘플링 연산자를 어떻게 설계할 수 있는가?
• RQ4 제안된 MR-AMP 프레임워크는 직접 HR 복원 후 다운샘플링 방식에 비해 어떤 성능 향상을 보이는가?
• RQ5 제안된 프레임워크는 고급 디노이징 기법으로 확장 가능하며, 영상 또는 다중 시점 영상에 적용될 수 있는가?

주요 결과

• MR-AMP는 샘플 수가 부족하여 고해상도(HR) 복원이 불안정한 경우에도 저해상도(LR) 신호 복원을 안정적으로 가능하게 한다.
• HR 복원이 불안정한 상황에서 LR 복원의 노이즈 민감도는 유한하게 유지되며, 기존 HR 복원의 노이즈 민감도는 단계 전이 임계값 이하에서 무한해진다.
• LR-AMP-ST(소프트 스레셔딩 디노이징 기법)는 HR-AMP-ST보다 약 36배 빠르며, LR-AMP-TV는 HR-AMP-TV보다 약 13배 빠르다.
• 제안된 프레임워크는 복원 품질과 계산 효율성 면에서 직접 HR 복원 후 다운샘플링 방식을 능가한다.
• LR 복원의 단계 전이 곡선은 HR 복원보다 더 낮은 샘플링 비율에 위치해 있어 더 넓은 운영 영역을 의미한다.
• 이론적 분석을 통해 최대-최소 MSE 함수가 볼록임을 확인하여 상태 진동수를 통한 성능 예측의 타당성을 뒷받침한다.