[论文解读] Proximal Heterogeneous Block Input-Output Method and application to Blind Ptychographic Diffraction Imaging

Robert Hesse, D. Lüke+2 more|arXiv (Cornell University)|Aug 8, 2014

Advanced X-ray Imaging Techniques参考文献 16被引用 11

一句话总结

本文提出了一种用于具有可分结构的非凸优化的近端异质块输入输出算法，在可验证的假设下证明了其收敛于临界点。该方法应用于盲 ptychographic 衍射成像，在模拟和实验数据上均实现了最先进性能，具有可证明的收敛性，并且相比现有方案具有更高的鲁棒性。

ABSTRACT

We propose a general alternating minimization algorithm for nonconvex optimization problems with separable structure and nonconvex coupling between blocks of variables. To fix our ideas, we apply the methodology to the problem of blind ptychographic imaging. Compared to other schemes in the literature, our approach differs in two ways: (i) it is posed within a clear mathematical framework with practically verifiable assumptions, and (ii) under the given assumptions, it is provably convergent to critical points. A numerical comparison of our proposed algorithm with the current state-of-the-art on simulated and experimental data validates our approach and points toward directions for further improvement.

研究动机与目标

• 开发一种适用于具有可分块和非凸耦合的非凸优化的一般交替最小化框架。
• 在实际且可验证的假设下，特别是部分梯度利普希茨连续性下，建立数学上严谨的收敛性理论。
• 将该框架应用于盲 ptychographic 衍射成像，这是相干 X 射线显微术中的一个具有挑战性的逆问题。
• 为理解与分析现有 ptychographic 算法提供统一的理论基础。
• 在模拟和实验数据上，与最先进方法相比展示出更优越的性能。

提出的方法

• 该方法在三个变量块（x, y, z）上采用交替最小化方案，每次仅更新一个块，其余保持固定。
• 采用一种结合部分梯度利普希茨常数的近端异质块输入输出框架，以确保收敛性。
• 该算法基于 Kurdyka-Łojasiewicz (KŁ) 不等式框架，使得在较弱假设下也能收敛至临界点。
• 该方法显式量化了对单个块的梯度连续性，避免了对完整梯度利普希茨连续性的需求。
• 关键组成部分包括使用指示函数编码约束以及利用次微分条件表示最优性。
• 该方法可推广至 M 块问题，并通过显式计算部分梯度利普希茨常数，专门应用于 ptychography。

实验结果

研究问题

• RQ1 能否在弱于完整梯度利普希茨连续性的假设下，证明非凸问题的块优化算法收敛于临界点？
• RQ2 当完整梯度不满足利普希茨连续性，但部分梯度满足时，收敛性理论如何适应此类问题？
• RQ3 所提出的框架能否提升盲 ptychographic 成像算法的性能与鲁棒性？
• RQ4 在 ptychographic 成像背景下，部分梯度利普希茨常数的显式表达式是什么？
• RQ5 该算法在合成数据和真实实验数据上与现有最先进方法相比，其性能在定量上如何？

主要发现

• 所提出的算法在 Kurdyka-Łojasiewicz (KŁ) 不等式和部分梯度利普希茨连续性假设下，可证明收敛于临界点。
• ptychography 的部分梯度利普希茨常数被显式推导为 $ L_x(y,z) = 2\big\bracevert \textstyle\bigsum_{j=1}^m S_j^*(\overline{y} \odot y) \big\bracevert_\infty $ 和 $ L_y(x,z) = 2\big\bracevert \textstyle\bigsum_{j=1}^m S_j(\overline{x} \odot x) \big\bracevert_\infty $。
• 与现有最先进算法相比，该方法在模拟和实验 ptychographic 数据上均实现了更优的重建质量。
• 数值结果表明，其在具有挑战性的低信噪比环境下表现出更优的鲁棒性和收敛行为。
• 理论框架成功地将现有 ptychographic 算法统一并推广至单一收敛性分析框架下。
• 该算法在哥廷根大学 X 射线物理组提供的真实数据上得到验证，展示了其实际应用价值。