[논문 리뷰] Parallel Proximal Algorithm for Image Restoration Using Hybrid Regularization -- Extended Version

Nelly Pustelnik, Caroline Chaux외 1명|arXiv (Cornell University)|2009. 11. 08.

Sparse and Compressive Sensing Techniques참고 문헌 73인용 수 7

한 줄 요약

이 논문은 다양한 도메인에서 총미분변동성과 웨이브렛 기반 희박성의 하이브리드 정규화를 결합한 이미지 복원을 위한 가속화된 병렬 프록시미티 알고리즘을 제안한다. 볼록 최적화와 프록시미티 연산자를 활용하여, 비정규분포 잡음(예: 포아송)을 효과적으로 처리하고, 증명된 수렴성을 갖는 뛰어난 복원 성능을 달성한다.

ABSTRACT

Regularization approaches have demonstrated their effectiveness for solving ill-posed problems. However, in the context of variational restoration methods, a challenging question remains, which is how to find a good regularizer. While total variation introduces staircase effects, wavelet domain regularization brings other artefacts, e.g. ringing. However, a compromise can be found by introducing a hybrid regularization including several terms non necessarily acting in the same domain (e.g. spatial and wavelet transform domains). We adopt a convex optimization framework where the criterion to be minimized is split in the sum of more than two terms. For spatial domain regularization, isotropic or anisotropic total variation definitions using various gradient filters are considered. An accelerated version of the Parallel ProXimal Algorithm is proposed to perform the minimization. Some difficulties in the computation of the proximity operators involved in this algorithm are also addressed in this paper. Numerical experiments performed in the context of Poisson data recovery, show the good behavior of the algorithm as well as promising results concerning the use of hybrid regularization techniques.

연구 동기 및 목표

• 총미분변동성은 계단 효과를 유발하고 웨이브렛 정규화는 리버버버션 아티팩트를 유도하므로, 이미지 복원에서 최적의 정규화자를 선택하는 데 도전하는 문제를 해결한다.
• 공간적(총미분변동성)과 변환 도메인(웨이브렛) 희박성의 하이브리드 정규화를 통합하여 아티팩트 억제를 균형 있게 조절할 수 있는 강건한 프레임워크를 개발한다.
• 병렬 프록시미티 알고리즘의 적용 가능 범위를 가우시안 잡음 외의 일반적인 잡음 모델, 특히 포아송 잡음으로 확장한다.
• 비정규분포의 충성도 항에 대해 닫힌 형태의 프록시미티 연산자가 존재하지 않는 문제를 해결하기 위해 새로운 알고리즘 구조를 도입한다.
• 다중코어 아키텍처에 적합한 가속화되고 병렬화 가능한 알고리즘을 통해 수렴성과 계산 효율성을 확보한다.

제안 방법

• 데이터 충성도, 총미분변동성, 웨이브렛 희박성 항을 포함한 두 개 이상의 볼록 함수의 합으로 이루어진 볼록 최적화 문제로 이미지 복원을 수식화한다.
• 복합 목표 함수의 최소화를 위해 가속화된 병렬 프록시미티 알고리즘(PPXA)을 사용한다.
• 포아송 잡음에 대해 닫힌 형태의 프록시미티 연산자가 없는 문제를 해결하기 위해 리프만-연속 기울기 성질을 갖는 서로서티 함수 근사법을 사용한다.
• 병렬 계산을 가능하게 하기 위해 문제를 겹치는 블록으로 분해하고, 변수 분할을 사용한 블록 반복 방법을 적용한다.
• 선형 연산자 F의 범위에 대한 투영을 포함하는 이중 형식을 도입하고, 이중 변수를 사용한 원-이중 업데이트 전략을 사용한다.
• 알고리즘 2에서 이중 업데이트와 프록시미티 연산자를 이용한 변수 재매개변수화를 통해 알고리즘 3을 유도하며, 더 느슨한 가정 조건 하에서도 수렴성을 보장한다.

실험 결과

연구 질문

• RQ1 포아송 잡음 하에서 총미분변동성과 웨이브렛 희박성을 조합한 하이브리드 정규화가 단일 도메인 정규화보다 이미지 복원 성능을 뛰어나게 할 수 있는가?
• RQ2 프록시미티 연산자가 닫힌 형태로 존재하지 않는 비정규분포 잡음 모델을 다룰 수 있도록 병렬 프록시미티 알고리즘을 어떻게 적응시킬 수 있는가?
• RQ3 수렴성을 유지하면서도 다중코어 시스템에서 효율적인 병렬 구현을 가능하게 하는 가속화 및 분해 전략은 무엇인가?
• RQ4 제안된 알고리즘이 기존 방법에 비해 PSNR 및 시각적 아티팩트 억제 측면에서 더 뛰어난 복원 품질을 달성하는가?
• RQ5 복잡한 정규화자(예: 다중 기울기 방향에서의 총미분변동성)의 프록시미티 연산자 계산이 알고리즘의 안정성과 속도에 어떤 영향을 미치는가?

주요 결과

• 제안된 알고리즘은 포아송 분포 데이터에서 뛰어난 이미지 복원 성능을 달성하여, 단일 정규화 방법에 비해 리버버버션 및 계단 효과와 같은 아티팩트를 크게 감소시킨다.
• 수치 실험 결과, 총미분변동성과 웨이브렛 희박성을 모두 사용한 하이브리드 정규화가 향상된 피크 신호 대비 잡음 비율(PSNR)과 구조적 유사도(SSIM) 지표를 제공함을 입증한다.
• 기존 PPXA에 비해 가속화된 병렬 프록시미티 알고리즘의 버전은 수렴에 필요한 반복 횟수를 줄이며, 디컨볼루션 작업에서 더 빠른 수렴 속도를 보인다.
• 포아송 잡음의 충성도 항에 대해 분석적 해가 존재하지 않을 경우에도, 리프만-연속 기울기 성질을 갖는 서로서티 근사법을 통해 알고리즘이 안정성과 정확성을 유지한다.
• 블록 반복 및 병렬 아키텍처는 다중코어 환경에서 효율적인 구현을 가능하게 하며, 이미지 크기에 따라 계산 복잡도가 유리하게 스케일링된다.
• 수렴성은 더 느슨한 가정 조건 하에서도 증명되었으며, 단계 크기의 합계성과 이중 변수의 유계성 조건을 포함하여 실무에서의 강건성을 보장한다.