[논문 리뷰] Non-Convex Weighted Lp Nuclear Norm based ADMM Framework for Image Restoration

Zhiyuan Zha, Xinggan Zhang외 3명|University of Oulu Repository (University of Oulu)|2017. 04. 24.

Sparse and Compressive Sensing Techniques참고 문헌 30인용 수 4

한 줄 요약

이 논문은 이미지 복원에서 기존 핵노름 최소화(NNM)보다 더 정확한 저질서 근사화를 가능하게 하기 위해 ADMM를 사용한 비볼록 가중 ℓₚ 핵노름 최소화(NCW-NNM) 프레임워크를 제안한다. 이 방법은 특이값에 적응형 가중치를 부여하여 과도한 수축을 줄이고, 구조적 희박성과 비국소 자기유사성을 향상시켜 여러 벤치마크에서 블러 제거, 메시징, 압축 감지 복원 등에서 뛰어난 성능을 발휘한다.

ABSTRACT

Since the matrix formed by nonlocal similar patches in a natural image is of low rank, the nuclear norm minimization (NNM) has been widely used in various image processing studies. Nonetheless, nuclear norm based convex surrogate of the rank function usually over-shrinks the rank components and makes different components equally, and thus may produce a result far from the optimum. To alleviate the above-mentioned limitations of the nuclear norm, in this paper we propose a new method for image restoration via the non-convex weighted Lp nuclear norm minimization (NCW-NNM), which is able to more accurately enforce the image structural sparsity and self-similarity simultaneously. To make the proposed model tractable and robust, the alternative direction multiplier method (ADMM) is adopted to solve the associated non-convex minimization problem. Experimental results on various types of image restoration problems, including image deblurring, image inpainting and image compressive sensing (CS) recovery, demonstrate that the proposed method outperforms many current state-of-the-art methods in both the objective and the perceptual qualities.

연구 동기 및 목표

• 기존 핵노름 최소화(NNM)에서 특이값의 과도한 수축과 동일한 처리로 인해 이미지 복원에서 저질서 근사화 정확도가 제한되는 문제를 해결하기 위해.
• 더 유연한 저질서 정규화 모델을 통해 비국소 자기유사성과 구조적 희박성을 활용하여 이미지 복원 성능을 향상시키기 위해.
• 비볼록 NCW-NNM 모델을 해결하기 위한 실용적이고 강력한 최적화 프레임워크를 개발하여 수렴성과 실용적 적용 가능성을 확보하기 위해.
• 다양한 이미지 복원 작업, 특히 블러 제거, 메시징, 압축 감지에서 기존 최신 기술에 비해 제안된 방법의 우수성을 입증하기 위해.

제안 방법

• 특이값에 적응형 가중치를 적용하여 행렬 질서를 더 잘 근사화할 수 있도록 비볼록 가중 ℓₚ 핵노름(NCW-NNM)을 제안하며, 이는 0 < p < 1 인 ℓₚ 노름을 특이값에 적용한다.
• 특이값의 크기에 따라 다르게 처벌하는 가중 특이값 이완 기법을 도입하여 과도한 수축을 줄인다.
• 비볼록 최적화 문제를 효율적으로 해결하기 위해 분할-정복 기법을 사용하는 분할-역할 방법(ADMM)을 활용한다.
• 데이터 적합성과 정규화 항을 분리하기 위해 변수 분할 기법을 사용하여 이미지 추정치, 특이값, 이중 변수의 반복 업데이트를 가능하게 한다.
• 비볼록 ℓₚ 노름에 맞게 조정된 소프트 이완 유사 업데이트 규칙을 ADMM 프레임워크에 적용하여 실질적인 수렴성을 확보한다.
• 유사한 패치를 그룹화하여 저질서 행렬을 구성하기 위해 패치 기반의 비국소 유사성 전략을 적용한다.

실험 결과

연구 질문

• RQ1 비볼록 가중 ℓₚ 핵노름은 이미지 복원에서 표준 핵노름보다 행렬 질서를 더 잘 근사화할 수 있는가?
• RQ2 특이값에 적응형 가중치를 적용하면 과도한 수축이 줄어들고 저질서 근사화 정확도가 향상되는가?
• RQ3 ADMM 프레임워크는 비볼록 NCW-NNM 모델을 이미지 복원 작업에서 효과적이고 안정적으로 해결할 수 있는가?
• RQ4 PSNR, FSIM 및 시각적 품질 측면에서 NCW-NNM은 다양한 이미지 복원 문제에서 최신 기술과 비교해 어떻게 성능을 냈는가?

주요 결과

• 이중화된 NCW-NNM 방법은 블러 제거에서 PSNR 26.52 dB, FSIM 0.9271을 달성하여 기존 NNM보다 뚜렷하게 뛰어난 성능을 보였다.
• 80%의 픽셀 손실이 있는 이미지 메시징에서 NCW-NNM은 PSNR 28.15 dB, FSIM 0.9321을 기록하여 뛰어난 복원 품질을 입증했다.
• 0.1N 측정값을 사용한 압축 감지 복원에서 NCW-NNM은 PSNR 25.49 dB, FSIM 0.8755를 달성하여 NNM 및 기타 선도적 방법을 능가했다.
• 시각적 비교 결과, NCW-NNM은 특히 고주파 영역에서 더 섬세한 질감과 에지 보존을 효과적으로 수행했다.
• 특이값 분석 결과, NCW-NNM은 NNM보다 진짜 질서 구조를 더 잘 근사하며, 중요한 특이값의 과도한 수축을 줄였다.
• ADMM는 안정적이고 효율적으로 수렴하였으며, PSNR 곡선이 부드럽게 상승하고 약 100회 반복 후 안정화되었으며, 수렴 속도와 정확도 면에서 IST를 능가했다.