[論文レビュー] Bespoke Fractal Sampling Patterns for Discrete Fourier Space via the Kaleidoscope Transform

Jacob M. White, ‪Stuart Crozier‬+1 more|arXiv (Cornell University)|Aug 2, 2021

Sparse and Compressive Sensing Techniques参考文献 21被引用数 3

ひとこと要約

本稿では、離散フーリエ変換（DFT）空間におけるカオス的センシング（ChaoS）のサンプリングパターンのフラクタル構造を数学的に説明するため、カレイドスコープ変換（KT）を導入する。モジュラー算術によるスケーリングをKT操作と結びつけることで、DFT空間における周期的ラインが自己相似フラクタルパターンを生成することを示し、スパースなMRI再構成において従来の圧縮センシングを凌駐する、カスタマイズ可能でタスク固有のフラクタルサンプリングパターンの設計を可能にする。

ABSTRACT

Sampling strategies are important for sparse imaging methodologies, especially those employing the discrete Fourier transform (DFT). Chaotic sensing is one such methodology that employs deterministic, fractal sampling in conjunction with finite, iterative reconstruction schemes to form an image from limited samples. Using a sampling pattern constructed entirely from periodic lines in DFT space, chaotic sensing was found to outperform traditional compressed sensing for magnetic resonance imaging; however, only one such sampling pattern was presented and the reason for its fractal nature was not proven. Through the introduction of a novel image transform known as the kaleidoscope transform, which formalises and extends upon the concept of downsampling and concatenating an image with itself, this paper: (1) demonstrates a fundamental relationship between multiplication in modular arithmetic and downsampling; (2) provides a rigorous mathematical explanation for the fractal nature of the sampling pattern in the DFT; and (3) leverages this understanding to develop a collection of novel fractal sampling patterns for the 2D DFT with customisable properties. The ability to design tailor-made fractal sampling patterns expands the utility of the DFT in chaotic imaging and may form the basis for a bespoke chaotic sensing methodology, in which the fractal sampling matches the imaging task for improved reconstruction.

研究の動機と目的

• カオス的センシング（ChaoS）のDFT空間における観察されたフラクタル構造を、厳密な数学的説明を与えること。
• 新規のカレイドスコープ変換（KT）を用いた、画像のダウンサンプリングと連結の形式的定式化と拡張を行うこと。
• スパースイメージングに適した、調整可能な幾何学的・トポロジカル特性を有するカスタムフラクタルサンプリングパターンを体系的に生成する方法を確立すること。
• 特定のイメージングタスクに適合するようにサンプリングパターンをカスタマイズ可能な、特注のカオス的センシング手法を可能にすること。

提案手法

• カレイドスコープ変換（KT）は、画像をダウンサンプリングし、それをスケーリングした繰り返しコピーを連結する数学的演算として定義され、スケーリングと反復による自己相似の直感的考えを形式化する。
• 本稿では、DFTドメインにおける特定のスケーリング操作がKT操作と数学的に同等であることを証明し、モジュラー算術の乗算が画像の自己相似性と結びつくことを示す。
• フラクタルサンプリングパターンは、FareyベクトルをさまざまなLpノルムまたは多角形準ノルムを用いてソートすることで中心パターンを定義し、その後モジュラー乗算によって周期的ラインを生成する。
• 基本パターンのスケーリング、反転、変換を重ねた新しいパターンを生成するが、特に1に近い値をとる形の乗数mN ± 1に注目し、ユニティスメアKTに近似する。
• 本手法は非正方形グリッドおよび高次元をサポートし、ノルムに基づくソートにより、任意の中心形状（例：スーパー楕円、星型多角形）を可能にする。
• 非線形軌道（例：らせん）に対しても、ユニティスメアKT挙動を示す乗数のみを選択することで、明示的な構成を非線形軌道へと拡張する。

実験結果

リサーチクエスチョン

• RQ1 DFT空間におけるChaoSサンプリングパターンは、周期的ラインから構成されているにもかかわらず、なぜ自己相似的・フラクタル的構造を示すのか？
• RQ2 カレイドスコープ変換はどのように形式的に定義され、DFTドメインにおけるスケーリング操作と結びつけられるのか？
• RQ3 モジュラー算術によるサンプリングパターンを生成する際、どのような数学的条件が、自己相似的・繰り返し構造を持つフラクタルを生成するのか？
• RQ4 ChaoSのフラクタル性は、円形または放射的対称性を超えたカスタム中心パターンへ一般化可能か？
• RQ5 らせんなどの非線形k空間軌道をサポートするには、フレームワークをどのように拡張すればよいか？ その際、フラクタル性および自己相似性を保持できるか？

主な発見

• カレイドスコープ変換（KT）がDFTドメインにおける特定のスケーリング操作と数学的に同等であることが証明され、モジュラー算術と画像の自己相似性の間の正式なリンクが確立された。
• ChaoSサンプリングパターンのフラクタル構造は、mN ± 1の因数によるモジュラー乗算を繰り返し適用することで自然に生じる。
• 257×257グリッド上でのChaoSフラクタルのミンコフスキー＝ブリュリガン次元は1.79と測定され、そのフラクタル性が確認された。
• さまざまなLpノルム（例：L0.5、L1、L2）または多角形準ノルムを用いることで、フラクタルの中心パターンをスーパー楕円や星型多角形に変形可能である。
• 727×727、1025×2049、1069×1069のグリッド上でも、本手法により新しいフラクタルパターンが成功裏に生成され、次元および形状の多様性を示した。
• 非線形軌道（例：らせん）に対しても、ユニティスメアKT挙動を示す乗数のみを選択することで、フラクタルサンプリングパターンの構築が可能となり、カオス的センシングの適用範囲が拡張された。