[論文レビュー] Mask Iterative Hard Thresholding Algorithms for Sparse Image Reconstruction of Objects with Known Contour

A. Dogandzic, Renliang Gu+1 more|arXiv (Cornell University)|Dec 2, 2011

Sparse and Compressive Sensing Techniques参考文献 1被引用数 8

ひとこと要約

本稿では、ウェーブレットドメインにおけるスパarsity制約と既知の物体輪郭情報を取り入れることで、X線CTにおけるスパース画像再構成のためのマスク反復的ハードスレッショーディング（mask IHT）およびダブルオーバーリラクセーション（mask DORE）アルゴリズムを提案する。幾何的およびスパarsityの事前知識を活用することで、最適化中に残留誤差が単調に減少するように保証され、従来の手法よりもはるかに少ない測定回数で優れた再構成品質が達成される。

ABSTRACT

We develop mask iterative hard thresholding algorithms (mask IHT and mask DORE) for sparse image reconstruction of objects with known contour. The measurements follow a noisy underdetermined linear model common in the compressive sampling literature. Assuming that the contour of the object that we wish to reconstruct is known and that the signal outside the contour is zero, we formulate a constrained residual squared error minimization problem that incorporates both the geometric information (i.e. the knowledge of the object's contour) and the signal sparsity constraint. We first introduce a mask IHT method that aims at solving this minimization problem and guarantees monotonically non-increasing residual squared error for a given signal sparsity level. We then propose a double overrelaxation scheme for accelerating the convergence of the mask IHT algorithm. We also apply convex mask reconstruction approaches that employ a convex relaxation of the signal sparsity constraint. In X-ray computed tomography (CT), we propose an automatic scheme for extracting the convex hull of the inspected object from the measured sinograms; the obtained convex hull is used to capture the object contour information. We compare the proposed mask reconstruction schemes with the existing large-scale sparse signal reconstruction methods via numerical simulations and demonstrate that, by exploiting both the geometric contour information of the underlying image and sparsity of its wavelet coefficients, we can reconstruct this image using a significantly smaller number of measurements than the existing methods.

研究の動機と目的

• 従来の圧縮センシング手法が、不十分な事前情報のため性能を発揮できない場合に、限られた測定値からのスパース画像再構成の課題に対処すること。
• 標準のスパarsityに基づく手法を上回る再構成精度を実現するため、既知の物体輪郭情報を幾何的制約として統合すること。
• 実際のCT応用における輪郭情報の実用的利用を可能にするために、測定されたシノグラムから物体の凸包を自動で抽出するスキームを構築すること。
• マスクIHTアルゴリズムにダブルオーバーリラクセーション（DORE）加速技術を導入し、反復的再構成の収束性と安定性を向上させること。
• 幾何的制約とスパarsityの両方を組み合わせることで、画像品質を損なわずに必要な測定回数を顕著に削減できることを示すこと。

提案手法

• 信号のウェーブレットドメインにおけるスパarsityと、既知の物体輪郭外での信号値がゼロであることをマスクMを介して強制する、制約付き残差二乗誤差最小化問題を定式化する。
• マスクIHTアルゴリズムを導入し、変換ドメインにおける最大絶対値係数をしきい値処理することでスパース信号推定値を反復的に更新するとともに、マスク制約を満たすようにする。
• リラクセーションパラメータを用いてステップサイズを動的に調整するダブルオーバーリラクセーション（DORE）スキームを適用し、マスクIHTの収束を加速する。
• 同じ幾何的およびスパarsity制約の下で、滑らかで凸な近似問題を解く凸緩和に基づく変種（例：マスクFPC_AS）を開発する。
• 測定されたシノグラムデータを用いて、物体の凸包を自動で抽出し、再構成プロセスにおける輪郭マスクMとして利用する。
• 感応行列の固有値ノルムとリラクセーションパラメータの関係を満たす十分条件を証明することで、残留誤差が単調に減少することを保証する。

実験結果

リサーチクエスチョン

• RQ1 既知の物体輪郭情報をスパース信号再構成に統合することで、CT画像再構成における必要な測定回数を顕著に削減できるか？
• RQ2 マスクIHTおよびマスクDOREの性能は、標準の圧縮センシング手法（DOREおよびFBP）と比較して、画像品質および測定効率の面でどのように異なるか？
• RQ3 シノグラムからの凸包の自動抽出が、輪郭ベース再構成の実用性および頑健性をどの程度向上させるか？
• RQ4 ダブルオーバーリラクセーションスキームは、再構成精度を損なわずにマスクIHTアルゴリズムの収束を効果的に加速するか？
• RQ5 幾何的制約とスパarsityの両方を組み合わせることで、限界角度または低線量CT再構成においてアーリアス抑制とノイズ低減が達成できるか？

主な発見

• マスクDOREアルゴリズムは、反復の過程で残留二乗誤差が単調に非増加となることを確認し、与えられたスパarsityレベルにおいて安定した収束を保証する。
• 数値シミュレーションの結果、提案手法は標準のDOREおよびFBP手法と比較して、顕著に少ない測定回数で画像を再構成できることを示した。
• 限界角度の状況（180ではなく160の投影）において、マスクDOREはアーリアスアーチファクトを効果的に是正し、ノイズを低減し、画像品質において標準のDOREおよびFBPを上回った。
• シノグラムからの凸包の自動抽出スキームは、物体の輪郭を的確に捉え、手動入力なしに幾何的制約を信頼性高く利用可能にした。
• マスクFPC_ASおよびマスクDOREの再構成結果は非常に類似しており、異なるアルゴリズムフレームワークにおいても幾何的制約統合のロバスト性が裏付けられた。
• 理論的解析により、リラクセーションパラメータが固有値ノルムに基づく不等式を満たす限り、残留誤差が単調に減少することが確認され、収束安定性が保証された。