[논문 리뷰] Total variation minimization for stable multidimensional signal recovery

Deanna Needell, Rachel Ward|arXiv (Cornell University)|2012. 10. 11.

Sparse and Compressive Sensing Techniques참고 문헌 30인용 수 6

한 줄 요약

이 논문은 다차원 신호 복원을 위한 총변화(TV) 최소화를 사용할 때 이론적 복원 보장을 수립하며, O(sd log(N^d))개의 선형 측정치가 신호를 최적의 s항 기울기 근사의 인자 범위 내에서 복원하는 데 충분하다고 보여준다. 결과적으로 이는 이전의 2차원 TV 보장들을 임의의 차원 d ≥ 2로 확장한 것으로, 로그 및 다항 인자까지 고려할 때 거의 최적임을 증명한다.

ABSTRACT

Consider the problem of reconstructing a multidimensional signal from partial information. Without any additional assumptions, this problem is ill-posed. However, for signals such as natural images or movies, the minimal total variation estimate consistent with the measurements often produces a good approximation to the underlying signal, even if the number of measurements is far smaller than the ambient dimensionality. While reconstruction guarantees and optimal measurement designs have been established for related l1-minimization problems, the theory for total variation minimization has remained elusive until recently, when guarantees for two-dimensional images x ∈ C N 2 were established. This paper extends the recent theoretical results to signals x ∈ C N d of arbitrary dimension d ≥ 2. To be precise, we show that a multidimensional signal x ∈ C N d can be reconstructed from O(sdlog(N d )) linear measurements y = Ax using total variation minimization to within a factor of the best s-term approximation of its gradient. The reconstruction guarantees we provide are necessarily optimal up to polynomial factors in the spatial dimension d and a logarithmic factor in the signal dimension N d . The proof relies on bounds in approximation theory concerning the compressibility of wavelet expansions of bounded-variation functions.

연구 동기 및 목표

• 이차원에서의 총변화 최소화에 대한 이론적 복원 보장을 이차원을 초월하여 임의의 차원 신호(d ≥ 2)로 확장하는 것.
• 다차원 신호 복원을 위해 TV 최소화를 사용할 때 O(sd log(N^d)) 선형 측정치가 안정적 복원에 충분하다는 것을 확립하는 것.
• 복원 오차가 신호 기울기의 최적 s항 근사의 인자 범위 내에 제한됨을 보여주는 것.
• 유도된 경계가 신호 차원과 공간 차원에서 로그 및 다항 인자까지 고려할 때 최적이 되는지 증명하는 것.

제안 방법

• 유한변화 함수의 웨이브렛 전개에 대한 근사 이론 경계를 활용하여 기울기의 압축 가능성을 분석하는 데 기반한다.
• C^N^d 내의 다차원 신호 기울기는 웨이브렛 기저에서 s개의 항으로 잘 근사될 수 있음을 확립한다.
• 측정 수의 상한을 구하기 위해 농도 및 엔트로피 추론을 사용한다.
• 압축 감지 및 프레임 이론의 결과를 적용하여 측정 복잡도를 기울기의 흐린성과 연결한다.
• 공간 차원 d와 신호 차원 N^d를 고려한 분석을 통해 측정 복잡도가 sd log(N^d) 비례로 증가함을 보여준다.
• 유한변화 함수의 엔트로피에 대한 알려진 경계를 활용하여 최적의 측정 속도를 도출한다.

실험 결과

연구 질문

• RQ1 총변화 최소화에 대한 이론적 복원 보장을 이차원에서 임의의 차원 신호(d ≥ 2)로 확장할 수 있는가?
• RQ2 TV 최소화를 통해 다차원 신호를 안정적으로 복원하기 위해 필요한 최소 선형 측정치의 수는 얼마인가?
• RQ3 높은 차원에서 복원 오차는 신호 기울기의 최적 s항 근사와 어떻게 관련이 있는가?
• RQ4 유도된 측정 경계는 d와 N^d에서 로그 및 다항 인자까지 고려할 때 최적이 되는가?

주요 결과

• 논문은 d차원 신호 x ∈ C^N^d에 대해 총변화 최소화를 통해 O(sd log(N^d)) 선형 측정치가 안정적 복원에 충분하다는 것을 증명한다.
• 복원 오차는 x의 기울기의 최적 s항 근사의 상수 인자 범위 내에 제한된다.
• 측정 복잡도는 N^d에서의 로그 인자와 d에서의 다항 인자까지 고려할 때 최적이다.
• 결과적으로 이는 이전의 2차원 보장을 임의의 차원 d ≥ 2로 확장한 것으로, 다차원 TV 복원에 대한 이론적 기초를 확립한다.
• 웨이브렛 기반 근사 이론에 기반한 분석을 통해, 유한변화 함수의 기울기는 웨이브렛 기저에서 압축 가능하다는 것을 보여준다.
• 유도된 경계는 동일한 가정 하에 유사한 보장을 달성하기 위해 훨씬 더 작은 측정 수를 사용할 수 없다는 점에서 날카로운 경계이다.