[논문 리뷰] Superiorization of Preconditioned Conjugate Gradient Algorithms for Tomographic Image Reconstruction

Elias S. Helou, Gábor T. Herman외 2명|arXiv (Cornell University)|2018. 07. 26.

Numerical methods in inverse problems참고 문헌 11인용 수 7

한 줄 요약

이 논문은 빠르고 반복적인 PCG 방법에 우수화(uperization)를 통합하여 단층 영상 촬영에서 이미지 재구성 품질을 향상시키는 새로운 알고리즘인 우수화된 조건부 공액 기울기(SupPCG)를 소개한다. 데이터 일관성을 유지하면서 총 변동성(total variation)을 최소화하도록 반복값을 변형함으로써 SupPCG는 사용자가 지정한 데이터 일관성 한계 이내에서 유한 시간 내에 수렴하는 이론적 보장을 받는 고속의 고품질 재구성을 달성한다.

ABSTRACT

Properties of Superiorized Preconditioned Conjugate Gradient (SupPCG) algorithms in image reconstruction from projections are examined. Least squares (LS) is usually chosen for measuring data-inconsistency in these inverse problems. Preconditioned Conjugate Gradient algorithms are fast methods for finding an LS solution. However, for ill-posed problems, such as image reconstruction, an LS solution may not provide good image quality. This can be taken care of by superiorization. A superiorized algorithm leads to images with the value of a secondary criterion (a merit function such as the total variation) improved as compared to images with similar data-inconsistency obtained by the algorithm without superiorization. Numerical experimentation shows that SupPCG can lead to high-quality reconstructions within a remarkably short time. A theoretical analysis is also provided.

연구 동기 및 목표

• 비정상적인 단층 영상 재구성 문제에서 일반적으로 낮은 품질의 이미지를 생성하는 표준 최소 제곱 솔루션의 문제를 해결한다.
• 데이터 일관성에 손상을 주지 않고 보조 기준(특히 총 변동성)을 최소화하여 이미지 품질을 향상시킨다.
• 빠른 속도의 조건부 공액 기울기 방법과 우수화를 융합한 계산 효율성이 높은 알고리즘을 개발한다.
• 현실적인 문제 조건 하에서 우수화된 PCG 알고리즘의 수렴 보장을 이론적으로 확보한다.
• 재구성 품질과 계산 효율성 측면에서 기존 방법보다 SupPCG가 뛰어나다는 것을 입증한다.

제안 방법

• 조건부 공액 기울기(PCG) 알고리즘에 우수화를 적용하여 새로운 방법인 우수화된 PCG(SupPCG)를 도입한다.
• 최소 제곱 잔차로 측정된 데이터 일관성을 유지하면서 총 변동성을 감소시키는 PCG 반복값에 대한 편향을 도입한다.
• 기여도 함수(예: 총 변동성)를 사용해 편향 과정을 안내하여 더 나은 시각적 및 구조적 품질을 가진 해로 향하게 한다.
• 표준 PCG 업데이트와 우수화 단계를 순차적으로 수행하는 두 단계 반복 구조를 구현한다.
• 라돈 행렬 R, 그 전치행렬, 그리고 조건부 행렬 N를 포함한 행렬 연산으로 알고리즘을 수식화하여 계산 효율성을 확보한다.
• 사용자가 정의한 데이터 일관성 한계 이하여서는 유한 수의 반복 내에서 SupPCG가 수렴함을 증명하며, 이를 우수화된 공액 기울기 변종과 연관지어 종료 조건을 설정한다.

실험 결과

연구 질문

• RQ1 우수화 기법이 조건부 공액 기울기 방법에 효과적으로 적용되어 단층 영상 재구성의 품질을 향상시킬 수 있는가?
• RQ2 SupPCG 알고리즘이 표준 PCG 및 ART 기반 방법보다 더 빠른 수렴 속도와 뛰어난 이미지 품질을 달성하는가?
• RQ3 데이터 일관성과 보조 기준 최소화 측면에서 우수화된 PCG 알고리즘의 수렴에 대해 어떤 이론적 보장을 확보할 수 있는가?
• RQ4 이미지 품질과 계산 시간 측면에서 SupPCG의 성능은 다른 재구성 기법과 비교해 어떻게 되는가?
• RQ5 우수화 프레임워크는 단층 영상에서 발생하는 대규모 희소 선형 시스템과 효율적으로 통합될 수 있는가?

주요 결과

• SupPCG는 표준 PCG 및 ART 방법과 비교해 노이즈 감소와 가장자리 보존 측면에서 뚜렷이 향상된 고품질의 단층 영상 재구성을 제공한다.
• 이 알고리즘은 매우 짧은 계산 시간 내에 이러한 결과를 달성하여 실세계 적용에 있어 실용적인 효율성을 입증한다.
• 수치 실험을 통해 SupPCG가 총 변동성을 효과적으로 감소시키면서도 사용자가 지정한 허용 오차 범위 내에서 데이터 일관성을 유지함을 확인하였다.
• 이론적 분석을 통해 사용자가 정의한 데이터 일관성 한계 ε가 최소 잔차 ε₀를 초과할 경우 SupPCG가 끝없이 유한한 반복 수 내에서 수렴함을 증명하였다.
• SupPCG와 우수화된 공액 기울기 변종(SupCG) 간의 등가성이 입증되어 알고리즘의 수렴 성질이 검증되었다.
• 알고리즘은 강건하고 확장 가능하여 반복적이고 조건부 구조를 갖추고 있어 대규모 단층 영상 재구성 문제에 적합하다.