[논문 리뷰] G-Lets: Signal Processing Using Transformation Groups

B Rajathilagam, Murali Rangarajan외 1명|arXiv (Cornell University)|2012. 01. 14.

Image and Signal Denoising Methods참고 문헌 22인용 수 3

한 줄 요약

이 논문은 변환군과 그들의 기저 표현을 사용하여 신호의 정규직교 기저를 생성하는 새로운 신호 처리 프레임워크인 G-lets를 소개한다. 이는 진폭과 주파수 분해를 통해 자연스러운 다중해상도 및 다스케일 분석을 가능하게 한다. 이론은 군 이론을 활용하여 공轭류를 통해 여러 기저 집합을 생성하며, 엣지 검출, 노이즈 제거, 압축, 특징 추출이 가능하다. 공轭류의 수만으로도 최대 50%의 손실 없는 신호 재구성 가능.

ABSTRACT

We present an algorithm using transformation groups and their irreducible representations to generate an orthogonal basis for a signal in the vector space of the signal. It is shown that multiresolution analysis can be done with amplitudes using a transformation group. G-lets is thus not a single transform, but a group of linear transformations related by group theory. The algorithm also specifies that a multiresolution and multiscale analysis for each resolution is possible in terms of frequencies. Separation of low and high frequency components of each amplitude resolution is facilitated by G-lets. Using conjugacy classes of the transformation group, more than one set of basis may be generated, giving a different perspective of the signal through each basis. Applications for this algorithm include edge detection, feature extraction, denoising, face recognition, compression, and more. We analyze this algorithm using dihedral groups as an example. We demonstrate the results with an ECG signal and the standard `Lena' image.

연구 동기 및 목표

• 변환군을 사용하여 신호 내의 구조적 대칭성을 추출하는 일반화된 신호 처리 프레임워크를 개발하는 것.
• 군 표현을 통해 진폭과 주파수 분해를 이용한 다중해상도 및 다스케일 분석을 가능하게 하는 것.
• 다양한 공轭류를 통해 다양한 시각을 제공하는 탄력적이고 직교적인 기저 생성 방법을 제공하는 것.
• 변환군의 공轭류 수만을 사용하여 손실 없는 압축의 가능성을 입증하는 것.
• 모체 웨이브릿에 의존하지 않고 군 이론 기반 변환을 사용하여 웨이브릿 유사 분석을 확장하는 것.

제안 방법

• 변환군의 기저 표현을 사용하여 신호 표현을 구성함으로써 직교 기저를 형성한다. 예를 들어 이면군과 같은 군을 사용한다.
• 군 내의 각 변환은 희박 행렬 표현으로 매핑되며, 신호는 이러한 행렬에 투영되어 G-let 계수를 생성한다.
• 군의 공轭류를 사용하여 여러 직교 기저를 생성하며, 각 기저는 진폭과 주파수 측면에서 신호의 별개의 시각을 제공한다.
• 다양한 군 원소의 표현을 점진적으로 포함함으로써 다중해상도 분석을 달성하며, 신호 성분의 계층적 분해를 가능하게 한다.
• 선택된 투영의 합을 통해 신호 재구성을 수행하며, 공轭류의 수에 해당하는 계수만으로도 손실 없는 압축이 가능하다.
• 신호 대칭성과 일치하도록 맞춤형 변환군을 설계할 수 있어, 엣지 검출이나 얼굴 인식과 같은 특정 응용 분야에 맞는 분석이 가능하다.

실험 결과

연구 질문

• RQ1 변환군과 그들의 기저 표현이 신호 분해를 위한 자연스러운 직교 기저를 생성할 수 있는가?
• RQ2 공轭류의 사용이 진폭과 주파수 해상도가 별개인 신호의 여러 직교적 시각을 어떻게 가능하게 하는가?
• RQ3 G-lets가 모체 웨이브릿에 의존하지 않고 다중해상도 및 다스케일 분석을 어느 정도 달성할 수 있는가?
• RQ4 G-lets가 군의 공轭류 수만을 사용하여 손실 없는 신호 압축을 가능하게 할 수 있는가?
• RQ5 이 프레임워크는 이미지 및 심전도 신호에서 국소적 다중해상도 분석과 특징 추출을 어떻게 지원하는가?

주요 결과

• G-lets는 군 이론 기반 변환을 사용하여 진폭과 주파수 분해를 통해 자연스러운 다중해상도 및 다스케일 분석을 가능하게 한다.
• 공轭류의 수만을 사용하여 신호를 재구성함으로써 손실 없는 신호 압축을 지원하며, 최대 50%의 데이터 감소를 달성한다.
• 공轭류를 통해 여러 직교 기저가 생성되며, 이는 신호의 별개의 시각을 제공하여 특징 추출과 엣지 검출을 향상시킨다.
• 관련 신호 성분만을 새로운 기저로 확장함으로써 국소적 다중해상도 분석이 가능하며, 계층적 분해를 가능하게 한다.
• G-lets는 심전도 및 레나 이미지와 같은 다양한 신호에 적용 가능하며, 노이즈 제거, 압축, 특징 추출에서 효과를 입증한다.
• 신호 대칭성과 일치하도록 맞춤형 변환군을 설계할 수 있어, 사전에 정의된 모체 웨이브릿이 필요 없이 응용 분야에 맞는 신호 분석이 가능하다.