[论文解读] Super-resolution by means of Beurling minimal extrapolation

John J. Benedetto, Weilin Li|arXiv (Cornell University)|Jan 21, 2016

Sparse and Compressive Sensing Techniques参考文献 32被引用 4

一句话总结

本文提出了一种新颖的超分辨率框架，利用Beurling的最小外推理论，从有限傅里叶数据中重构测度。研究证明，重构的唯一性关键取决于从数据中导出的集合Γ的基数，表明当|Γ| ≥ 2时，最小外推解支持在超平面的交线上，而|Γ| = 1则呈现一种特殊情况，与正解相关，从而解决了压缩感知和超分辨率算法中长期存在的局限性。

ABSTRACT

Let $M(\mathbb{T}^d)$ be the space of complex bounded Radon measures defined on the $d$-dimensional torus group $(\mathbb{R}/\mathbb{Z})^d=\mathbb{T}^d$, equipped with the total variation norm $\|\cdot\|$; and let $\hatμ$ denote the Fourier transform of $μ\in M(\mathbb{T}^d)$. We address the super-resolution problem: For given spectral (Fourier transform) data defined on a finite set $Λ\subset\mathbb{Z}^d$, determine if there is a unique $μ\in M(\mathbb{T}^d)$ of minimal norm for which $\hatμ$ equals this data on $Λ$. Without additional assumptions on $μ$ and $Λ$, our main theorem shows that the solutions to the super-resolution problem, which we call minimal extrapolations, depend crucially on the set $Γ\subsetΛ$, defined in terms of $μ$ and $Λ$. For example, when $Γ=0$, the minimal extrapolations are singular measures supported in the zero set of an analytic function, and when $Γ\geq 2$, the minimal extrapolations are singular measures supported in the intersection of $Γ\choose 2$ hyperplanes. By theory and example, we show that the case $Γ=1$ is different from other cases and is deeply connected with the existence of positive minimal extrapolations. This theorem has implications to the possibility and impossibility of uniquely recovering $μ$ from $Λ$. We illustrate how to apply our theory to both directions, by computing pertinent analytical examples. These examples are of interest in both super-resolution and deterministic compressed sensing. Our concept of an admissibility range fundamentally connects Beurling's theory of minimal extrapolation with Candes and Fernandez-Granda's work on super-resolution. This connection is exploited to address situations where current algorithms fail to compute a numerical solution to the super-resolution problem.

研究动机与目标

• 将超分辨率问题从仅离散测度的情形，扩展到连续测度和奇异测度的情形，通过将其表述为总变差最小化问题来解决。
• 确定在仅已知低频傅里叶系数时，超分辨率问题存在唯一解的条件。
• 利用Beurling理论表征最小外推解的支撑结构，特别是通过从数据和测度中导出的集合Γ。
• 将Beurling的最小外推理论与Candès和Fernandez-Granda的超分辨率框架相连接，将后者的适用范围扩展至非离散测度。
• 展示当|Γ| ≥ 2时唯一性会失效，并阐明|Γ| = 1情形在实现正的最小外推解中的特殊作用。

提出的方法

• 将超分辨率问题表述为凸优化问题：在ν ∈ M(𝕋ᵈ)中最小化总变差范数，且满足 ̂ν = ̂μ 在有限集Λ ⊆ ℤᵈ上。
• 引入集合Γ ⊆ Λ，其由测度μ和数据集Λ定义，用于控制最小外推解的结构。
• 利用Beurling的最小外推理论表征解的支撑：当|Γ| = 0时，解为奇异测度，其支撑位于某个解析函数的零点集上。
• 当|Γ| ≥ 2时，证明最小外推解支持在|Γ|选2个超平面的交线上，这些超平面由Γ中元素的两两差值导出。
• 构造了离散和连续奇异最小外推解的显式例子（如曲面测度、Cantor型测度），以说明理论结果。
• 将该理论应用于天文学和医学成像等具体成像问题，其中物体被建模为Dirac测度或曲面测度，表明唯一性无法保证。

实验结果

研究问题

• RQ1 当仅能获得低频傅里叶系数时，超分辨率问题的解在何种条件下是唯一的？
• RQ2 由测度μ和数据集Λ导出的集合Γ的结构，如何决定最小外推解的支撑？
• RQ3 |Γ| = 1的情形与其他情形相比，在正的最小外推解的存在性和性质方面有何区别？
• RQ4 Beurling的最小外推理论能否系统地与Candès和Fernandez-Granda的现代超分辨率框架相连接？
• RQ5 当前数值算法在多大程度上会无法恢复真实测度？该理论如何解释此类失败？

主要发现

• 当|Γ| = 0时，最小外推解为奇异测度，其支撑位于某个解析函数的零点集上，表明解空间受到高度约束。
• 当|Γ| ≥ 2时，最小外推解支持在|Γ|选2个超平面的交线上，其结构可由数据集Λ和测度μ显式计算得出。
• 在例3.7中，最小外推解支持在𝕋²中的直线x₁ + x₂ = 1上，且存在多个离散和连续奇异测度（如ν_y,K和σ）达到相同的最小范数，并在Λ上匹配数据。
• 中点为1/q的Cantor集例子表明，连续奇异测度（σ_q）可以是最小外推解，其范数‖σ_q‖ = 1，傅里叶系数由一个无穷余弦乘积给出。
• 在例3.9中，最小外推解支持在两条直线上（x₂ = 0 和 x₂ = 1/2），且μ = σ_A + σ_B为最小外推解，但由于|Γ| = 1，唯一性无法确定。
• 该理论表明，当存在多个最小外推解时（如|Γ| ≥ 2的情形），即使真实测度是离散或奇异的，超分辨率重构也是不可能的。