[论文解读] An ADMM Approach to Masked Signal Decomposition Using Subspace Representation

Shervin Minaee, Yao Wang|arXiv (Cornell University)|Apr 25, 2017

Image and Signal Denoising Methods参考文献 27被引用 7

一句话总结

该论文提出了一种基于ADMM的算法，用于在叠加加法模型下进行掩码信号分解，其中信号并非相加，而是通过二值掩码进行选择。通过利用已知子空间并求解松弛的连续优化问题，该方法在文本提取、视频目标分割和1D信号分离任务中相较于加法模型表现出更优性能。

ABSTRACT

Signal decomposition is a classical problem in signal processing, which aims to separate an observed signal into two or more components each with its own property. Usually each component is described by its own subspace or dictionary. Extensive research has been done for the case where the components are additive, but in real world applications, the components are often non-additive. For example, an image may consist of a foreground object overlaid on a background, where each pixel either belongs to the foreground or the background. In such a situation, to separate signal components, we need to find a binary mask which shows the location of each component. Therefore it requires to solve a binary optimization problem. Since most of the binary optimization problems are intractable, we relax this problem to the approximated continuous problem, and solve it by alternating optimization technique. We show the application of the proposed algorithm for three applications: separation of text from background in images, separation of moving objects from a background undergoing global camera motion in videos, separation of sinusoidal and spike components in one dimensional signals. We demonstrate in each case that considering the non-additive nature of the problem can lead to significant improvement.

研究动机与目标

• 解决组件以叠加而非相加方式存在的情况下的信号分解问题，例如图像中的文字或视频中的运动物体。
• 将问题表述为二值优化任务，其中掩码指示组件的支持区域，但其原始形式在计算上难以处理。
• 将二值约束松弛为连续问题，并通过交替方向乘子法（ADMM）求解，以实现可计算的优化。
• 在真实应用场景（如文本分割和运动物体检测）中，证明其性能优于传统加法信号分解模型。
• 在1D信号、图像分割和视频处理等多种应用中评估该方法，表明建模非加法信号结构具有显著优势。

提出的方法

• 将信号建模为 $ x = w_1 \bigcirc x_1 + w_2 \bigcirc x_2 $，其中 $ w_k $ 为二值掩码，$ \bigcirc $ 表示逐元素乘法。
• 假设每个组件 $ x_k $ 位于已知子空间中，由字典 $ P_k $ 表示，即 $ x_k = P_k s_k $，其中 $ s_k $ 为稀疏系数向量。
• 将二值掩码约束 $ w_k \in \{0,1\}^N $ 松弛为 $ w_k \in [0,1]^N $，从而可通过ADMM实现连续优化。
• 通过引入正则化项 $ \phi_k(x_k) $ 以促进期望结构（如稀疏性、低秩性），并使用ADMM进行交替更新求解优化问题。
• 采用增广拉格朗日法将问题分解为可解析或迭代求解的子问题。
• 将该算法应用于1D信号、图像文本提取和视频目标检测，分别使用DCT和哈达玛子空间表示背景和前景。

实验结果

研究问题

• RQ1 能否通过二值掩码建模信号叠加的非加法信号分解模型，在图像和视频应用中优于传统加法分解？
• RQ2 子空间表示的选择（如DCT与哈达玛）如何影响文本提取任务中掩码分解的性能？
• RQ3 所提出的基于ADMM的二值掩码问题松弛方法在多大程度上保持了与精确二值解相当的结构保真度？
• RQ4 在分割准确性和完整性方面，该方法与最先进文本检测算法相比表现如何？
• RQ5 当缺乏单个组件的训练数据时，该框架能否扩展为联合学习子空间与掩码？

主要发现

• 所提方法在从纹理背景中分离文字方面显著优于基于聚类和稀疏分解的方法，尤其在颜色相似性干扰传统方法时表现更优。
• 在图像分割中，使用哈达玛子空间表示前景、DCT子空间表示背景，其效果优于两者均使用DCT，证明了组件特定子空间选择的重要性。
• 在ICDAR 2017基准测试中，所提算法可生成全像素级分割掩码，而连接主义文本建议网络仅输出边界框并遗漏部分文字。
• 该方法能有效分离经历全局运动的背景中的运动物体，验证了其在动态信号分解中的实用性。
• 在1D信号分解中，该算法成功分离正弦和脉冲分量，证明其在图像和视频之外的应用潜力。
• 视觉对比显示，与加法模型相比，所提方法能更好地保留文本和物体边界的精细细节，后者往往导致区域模糊或误分类。