[논문 리뷰] Denosing Using Wavelets and Projections onto the L1-Ball

Ahmet Enis Çetin, Mohammad Tofighi|arXiv (Cornell University)|2014. 06. 10.

Image and Signal Denoising Methods참고 문헌 10인용 수 4

한 줄 요약

이 논문은 노이즈가 있는 웨이브릿 계수를 ℓ₁-구역에 정규직교 투영을 통해 투영함으로써 노이즈 분산 지식 없이도 자동으로 임계값을 추정할 수 있는 웨이브릿 기반 노이즈 제거 방법을 제안한다. 이는 희소성과 선형 대수학을 활용하여 효율적인 O(K log K) 알고리즘을 통해 최적의 소프트-임계값을 결정함으로써, 시험 신호 전반에서 평균 SNR 향상 18.2–19.1 dB를 달성한다.

ABSTRACT

Both wavelet denoising and denosing methods using the concept of sparsity are based on soft-thresholding. In sparsity based denoising methods, it is assumed that the original signal is sparse in some transform domains such as the wavelet domain and the wavelet subsignals of the noisy signal are projected onto L1-balls to reduce noise. In this lecture note, it is shown that the size of the L1-ball or equivalently the soft threshold value can be determined using linear algebra. The key step is an orthogonal projection onto the epigraph set of the L1-norm cost function.

연구 동기 및 목표

• 노이즈 분산을 사전에 알 수 없는 웨이브릿 노이즈 제거에서의 임계값 선택 과제를 해결하기 위해.
• 선형 대수학과 ℓ₁ 노름의 에피그래프 집합을 활용하여 최적의 ℓ₁-구역 크기 또는 소프트-임계값을 결정하는 방법을 개발하기 위해.
• 웨이브릿 도메인에서의 신호 희소성을 활용하여 효율적인 투영 알고리즘을 통해 노이즈 제거 성능을 향상시키기 위해.
• 노이즈 분산 추정이 필요 없도록 하기 위해, 임계값 선택 문제를 정규직교 투영 문제로 재구성하기 위해.

제안 방법

• 이 방법은 웨이브릿 노이즈 제거 문제를 제약 조건 최적화 문제로 공식화한다: 노이즈가 있는 계수와 노이즈 제거된 계수 간의 ℓ₂ 노름 차이를 최소화하고, 노이즈 제거된 계수의 ℓ₁ 노름이 크기 파rameter $ d_i $ 이내로 제한된다.
• K는 웨이브릿 하위신호의 길이이므로, $ \mathbb{R}^{K+1} $ 에서의 ℓ₁ 노름의 에피그래프 집합을 도입하여 제약 조건 $ \sum_n |w[n]| \leq z $ 를 표현한다. 여기서 $ z $ 는 ℓ₁-구역의 크기이다.
• 최적의 투영은 절댓값 웨이브릿 계수를 정렬하고 누적합 및 순서화된 크기 기반으로 임계값 $ \theta_i $ 를 계산하는 O(K log K) 알고리즘을 통해 계산된다.
• 소프트-임계값 처리 연산 $ w_{pi}[n] = \text{sign}(w_i[n]) \cdot \max(|w_i[n]| - \theta_i, 0) $ 는 이 투영에서 유도되며, $ \theta_i $ 는 구역 크기 $ d_i $ 와 해에서의 비영계수 개수에 의해 결정된다.
• 노이즈 분산 추정을 명시적으로 피하기 위해, 최대 가능한 웨이브릿 하위신호의 ℓ₁ 노름인 $ d_{\text{max},i} = \sum_n \text{sign}(w_i[n]) w_i[n] $ 를 사용하여 데이터에서 직접 ℓ₁-구역 크기를 추정한다.
• 이 방법은 고역통과 웨이브릿 하위밴드에 적용되며, 저역통과 하위밴드는 그대로 유지된다. 이후 역웨이브릿 변환을 통해 노이즈 제거된 신호를 재구성한다.

실험 결과

연구 질문

• RQ1 웨이브릿 노이즈 제거에서 노이즈 분산 지식 없이도 ℓ₁-구역 크기 또는 소프트-임계값을 어떻게 추정할 수 있는가?
• RQ2 ℓ₁ 노름의 에피그래프 집합을 사용하여 웨이브릿 기반 노이즈 제거에 대해 수치적으로 안정적이고 효율적인 임계값 선택 방법을 유도할 수 있는가?
• RQ3 웨이브릿 계수 수축에서 ℓ₁-구역 크기와 결과적으로 얻어지는 소프트-임계값 사이의 관계는 무엇인가?
• RQ4 노이즈 분산을 알 수 없는 상황에서, 제안된 방법은 표준 유니버설 임계값 처리 방법에 비해 SNR 성능에서 어떻게 비교되는가?
• RQ5 O(K log K) 복잡도를 가진 정렬 기반 알고리즘을 사용하여 ℓ₁-구역에 대한 투영을 효율적으로 계산할 수 있는가?

주요 결과

• 제안된 방법은 노이즈 분산을 알 수 없는 상황에서 여섯 개의 시험 신호 전반에서 평균 SNR 향상 18.2–19.1 dB를 달성하여 표준 웨이브릿 노이즈 제거 방법을 크게 능가한다.
• 'cusp' 신호의 경우, 피라미드 방법을 사용하여 평균 출력 SNR 28.1 dB를 달성했으며, 웨이브릿 방법을 사용한 경우 24.8 dB였다.
• 에피그래프 집합 공식화를 통해 데이터에서 직접 임계값을 추정함으로써 노이즈 분산 추정이 필요 없어진다.
• O(K log K) 알고리즘은 ℓ₁-투영을 효율적으로 계산하여 실시간 신호 노이즈 제거 응용 분야에서의 실용적 구현을 가능하게 한다.
• 다양한 신호 유형, 특히 조각별 정규성과 셸프 신호에 대해 성능이 견고하며 일관된 SNR 향상이 이루어진다.
• 임계값 $ \theta_i $ 는 구역 크기 $ d_i $ 와 웨이브릿 계수의 순서화된 크기 기반으로 유도되며, 최적의 희소성 촉진 수축을 보장한다.