[논문 리뷰] Domain decomposition methods for compressed sensing

Massimo Fornasier, Andreas Langer외 1명|ArXiv.org|2009. 02. 01.

Sparse and Compressive Sensing Techniques참고 문헌 15인용 수 9

한 줄 요약

이 논문은 이미지 복원에서 압축 감지 및 총 변동 최소화 문제를 해결하기 위해 겹치는 부분과 겹치지 않는 부분을 모두 포함한 도메인 분할 방법을 제안한다. 이 방법은 전역 최소화점을 햖을 때 수렴하는 효율적이고 병렬 처리 가능한 알고리즘을 가능하게 하며, 1차원/2차원 신호 보간, 이미지 복원, 그리고 부분 푸리에 데이터로부터 조각별로 일정한 의료 영상 복원에 성공적으로 적용된다.

ABSTRACT

We present several domain decomposition algorithms for sequential and parallel minimization of functionals formed by a discrepancy term with respect to data and total variation constraints. The convergence properties of the algorithms are analyzed. We provide several numerical experiments, showing the successful application of the algorithms for the restoration 1D and 2D signals in interpolation/inpainting problems respectively, and in a compressed sensing problem, for recovering piecewise constant medical-type images from partial Fourier ensembles.

연구 동기 및 목표

• 대규모 압축 감지 및 총 변동 최소화 문제를 해결하기 위한 효율적인 도메인 분할 알고리즘을 개발하는 것.
• 도메인 분할 방법에서 하위영역 간 총 변동의 가환성 부재 문제를 다루는 것.
• 경계에서의 점프와 겹치는 하위영역의 복잡성에도 불구하고 전역 최소화점을 수렴하도록 보장하는 것.
• 4차원 의료 영상 및 지질 탐사 영상과 같은 대규모 영상 문제의 실시간 또는 근접 실시간 처리를 가능하게 하는 것.
• 신호 보간, 이미지 복원, 의료 영상 유형의 압축 감지에 대한 수치적 검증을 제공하는 것.

제안 방법

• 논문은 볼록 집합 위로의 사영과 브레그만 반복을 기반으로 한 순차적 및 병렬 도메인 분할 알고리즘을 수립한다.
• 일관성 유지 및 수치적 진동 제어를 위해 단위 분할을 사용하는 겹치는 및 겹치지 않는 하위영역을 사용한다.
• 지역 하위문제들은 데이터 적합성과 총 변동을 조합한 기능의 반복 최소화를 통해 해결되며, 하위영역 경계에 대한 제약 조건이 포함된다.
• 알고리즘은 $αK$-사영을 위해 샤몽델의 사영 방법을 사용하며, 경계 조건을 강제하기 위해 라그랑주 승수를 통합한다.
• 기술적 조건 하에서 수렴 분석을 수행하여 목적 함수의 단조 감소와 전역 최소화점으로의 부분수열 수렴을 보여준다.
• 반복 업데이트를 통해 지역 하위문제 해결 단계와 단위 분할을 사용한 경계 보정 단계를 번갈아 수행한다.

실험 결과

연구 질문

• RQ1 압축 감지에서 총 변동 최소화에 대해 도메인 분할 방법을 효과적으로 적용할 수 있으며, 수렴 보장을 갖출 수 있는가?
• RQ2 겹치는 및 겹치지 않는 하위영역 분할이 경계에서의 총 변동의 비가환성 문제를 어떻게 다룰 수 있는가?
• RQ3 반복적 도메인 분할 알고리즘이 총 변동 기능의 전역 최소화점을 수렴하도록 보장하기 위한 조건은 무엇인가?
• RQ4 4차원 의료 영상 또는 지질 탐사 영상과 같은 대규모 영상 문제에 대해 제안된 방법은 어떻게 스케일링되는가?
• RQ5 부분 푸리에 데이터로부터 의료 영상 복원에서 알고리즘이 가장자리와 조각별 일정한 구조를 얼마나 잘 유지할 수 있는가?

주요 결과

• 제안된 도메인 분할 알고리즘은 목적 기능의 단조 감소와 전역 최소화점으로의 부분수열 수렴을 보여준다.
• 겹치는 경우, 추가적인 기술적 가정 없이도 전역 최소화점으로의 수렴이 보장된다.
• 겹치지 않는 경우, 분할 및 하위문제 수식의 특정 기술적 조건 하에서 전역 최소화점으로의 수렴이 보장된다.
• 수치 실험 결과는 겹치는 및 겹치지 않는 분할을 모두 사용하여 1차원 신호 보간과 2차원 이미지 복원에 성공적으로 적용된 것을 보여준다.
• 알고리즘은 부분 푸리에 데이터로부터 조각별 일정한 의료 영상 유형을 효과적으로 복원하며, 재구성된 이미지에서 가장자리 유지와 잡음 감소가 뚜렷하게 나타난다.
• 이 방법은 대규모 문제에 잘 스케일링되어 4차원 의료 영상과 같은 고차원 영상 작업에 대해 효율적인 병렬 계산을 가능하게 한다.