[논문 리뷰] Shape-Driven Interpolation with Discontinuous Kernels: Error Analysis, Edge Extraction and Applications in MPI

Stefano De Marchı, Wolfgang Erb외 3명|arXiv (Cornell University)|2019. 03. 07.

Advanced Numerical Analysis Techniques참고 문헌 31인용 수 6

한 줄 요약

이 논문은 산산이 흩어진 데이터에서 알려진 또는 추정된 경계에 적응하는 가변 스케일 불연속 커널(VSDK)을 사용하여 모양 기반의 라디얼 기저 함수(RBF) 보간법을 제안한다. 이는 기존의 RBF 보간법에 비해 지배 현상(Gibbs artifacts)을 크게 감소시킨다. 경계 정보는 기계학습 기반의 세분화 알고리즘을 통해 통합되고, 본질 공간은 조각별 소볼레프 공간으로 분석되어 표준 RBF 보간법에 비해 훨씬 뛰어난 수렴 속도를 달성한다. 특히 자기입자영상(Magnetic Particle Imaging, MPI)과 같은 의료 영상 응용 분야에서 뛰어난 성능을 발휘한다.

ABSTRACT

Accurate interpolation and approximation techniques for functions with discontinuities are key tools in many applications as, for instance, medical imaging. In this paper, we study an RBF type method for scattered data interpolation that incorporates discontinuities via a variable scaling function. For the construction of the discontinuous basis of kernel functions, information on the edges of the interpolated function is necessary. We characterize the native space spanned by these kernel functions and study error bounds in terms of the fill distance of the node set. To extract the location of the discontinuities, we use a segmentation method based on a classification algorithm from machine learning. The conducted numerical experiments confirm the theoretically derived convergence rates in case that the discontinuities are a priori known. Further, an application to interpolation in magnetic particle imaging shows that the presented method is very promising.

연구 동기 및 목표

• 불연속 함수의 RBF 보간에서 지배 현상 문제를 해결함. 특히 날카운 경계가 흔한 의료 영상 분야에서의 적용을 대상으로 한다.
• 변수 스케일 함수를 통해 불연속성을 커널 기반에 직접 통합하는 메쉬리스 보간 프레임워크를 개발한다.
• 결과적으로 생성된 VSDK 커널의 본질 공간을 조각별 소볼레프 공간으로 특성화하여 이론적 오차 분석을 가능하게 한다.
• 자료가 희박하고 경계의 정확성 확보가 중요한 응용 분야(예: 자기입자영상(MPI))에서 정확한 보간을 가능하게 한다.
• 사전 지식이 없는 상황에서 불연속성 위치를 추정하기 위해 커널 기반 기계학습을 활용한 강력한 엣지 감지 파ip라인을 제공한다.

제안 방법

• 기본 커널 $ K $ 를 데이터에 의존하는 스케일 함수 $ \psi $ 로 수정하여 가변 스케일 불연속 커널(VSDK)을 구성하며, 이는 경계 위치를 인코딩한다.
• 산산이 흩어진 데이터로부터 불연속성 위치를 추정하기 위해 기계학습 기반 분류 알고리즘(커널 기반 기계)을 사용하여 엣지 인식 보간을 실현한다.
• VSDK로 정의된 본질 공간에서의 콜로케이션 문제로 보간을 수립하고, 메쉬의 조밀함 거리(fill distance) 기반으로 이론적 수렴 한계를 도출한다.
• 경계로 분리된 서로 다른 영역에 속하는 데이터 포인트를 식별하기 위해 임계값 설정 또는 k-means 군집화를 활용한 세분화 전략을 적용한다.
• 수치 실험에서 연속성과 안정성을 확보하면서도 경계의 날카움을 유지하기 위해 $ C^0 $-마테르니 커널을 사용한다.
• Lissajous 노드 상에서 입자 밀도를 보간함으로써 MPI 재구성에 VSDK 방법을 통합하며, 기존의 다항식 보간법을 대체한다.

실험 결과

연구 질문

• RQ1 불연속성을 포함한 함수를 재구성할 때 RBF 보간법을 어떻게 수정하여 지배 현상을 방지할 수 있는가?
• RQ2 VSDK 커널 시스템의 본질 공간은 어떤 구조를 가지며, 이는 수렴 속도에 어떤 영향을 미치는가?
• RQ3 기존 지식이 없이 산산이 흩어진 데이터로부터 기계학습 기반 세분화가 불연속성 위치를 신뢰성 있게 추정할 수 있는가?
• RQ4 메쉬의 조밀함 거리 기반으로 VSDK 보간에 대해 이론적으로 보장할 수 있는 수렴 속도는 무엇인가?
• RQ5 표준 다항식 또는 RBF 보간법에 비해 VSDK 방법은 자기입자영상(MPI)과 같은 실용적 응용 분야에서 어떻게 성능을 발휘하는가?

주요 결과

• 기본 커널 $ K $ 가 푸리에 도메인에서 대수적 감쇠를 보일 경우, VSDK 커널의 본질 공간은 조각별 소볼레프 공간으로 특성화된다.
• 이론적 오차 한계는 VSDK 보간이 표준 RBF 보간보다 훨씬 더 빠른 수렴 속도를 보임을 보여주며, 특히 커널 $ K $ 가 해석적(analytic)일 경우 두드러진다.
• 수치 실험 결과는 불연속성이 사전에 알려진 경우 예측된 수렴 속도가 실제로 달성됨을 확인하여 이론 분석의 타당성을 검증한다.
• MPI 재구성에서 VSDK 방법은 Lissajous 노드 상에서 다항식 보간법에 의한 진동 잔상(ringing artifacts)을 효과적으로 억제한다.
• 임계값 설정 또는 k-means를 통한 커널 기반 기계학습을 활용한 엣지 감지 방법은 수동 레이블링 결과에 가까운 고품질의 보간 결과를 도출한다.
• VSDK 방법은 재구성된 영상에서 날카운 경계를 잘 유지함으로써 고해상도 의료 영상 재구성 잠재력을 입증한다.