Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

ボリュームデータスパース表現のための三次元非分離冗長重複変換

884 views

Published on

第29回信号処理シンポジウム発表資料

Published in: Engineering
  • Be the first to comment

  • Be the first to like this

ボリュームデータスパース表現のための三次元非分離冗長重複変換

  1. 1. 2014/11/12 第29回信号処理シンポジウム 1 ボリュームデータ スパース表現のための 三次元非分離冗長重複変換 平成26年11月12日(水) 新潟大学 村松正吾、古屋幸祐、結城尚貴
  2. 2. 発表内容  研究の背景と目的  既存の冗長変換  三次元NSOLTの提案  三次元NSOLTの設計  三次元NSOLTの評価  まとめ 2014/11/12 第29回信号処理シンポジウム 2
  3. 3. 【冗長変換の応用例】画像復元  画像の劣化/復元モデル 2014/11/12 第29回信号処理シンポジウム 3 𝐱 観測 画像 𝐮 未知の 原画像 𝐏 + 𝐰 観測過程 (既知) AWGN 𝐃 𝐲 𝐃 𝐲 冗長変換(辞書) スパース表現 𝐮 復元 画像 復元 𝐱 = 𝐏𝐮 + 𝐰 𝐮 = 𝐃𝐲 𝐲 はスパース 仮定 𝐲 = argmin 𝐲 1 2 𝐱 − 𝐏𝐃𝐲 2 2 + 𝜆𝜌(𝐲) 𝐮 = 𝐃 𝐲 正則化項(スパース性) 問題 設定
  4. 4. スパース表現による画像復元 2014/11/12 第29回信号処理シンポジウム 4 原画像 PSNR→ 観測画像 23.84 [dB] 復元画像 ウィーナー 21.99 [dB] ISTA + → PSNR → 冗長度 → 復元画像 非間引HT 27.17 [dB] ℛ = 4 復元画像 NSOLT 27.27 [dB] ℛ < 2.34
  5. 5. 問題と目的  三次元ボリュームデータへの展開が必要  医療用画像(CT, PET, MRI, US, OCT etc.)  動画像,光線場,マルチ/ハイパースペクトル画像  三次元冗長変換(辞書)の構築が課題  高性能かつ低メモリ・低演算量  スパース最適化アルゴリズムに適した性質 2014/11/12 第29回信号処理シンポジウム 5 構造化されたパラメトリックかつタイトな変換を構築
  6. 6. 既存の冗長変換(辞書) 冗長変換(辞書) 非分離 パラメトリック 冗長度 構造 タイト 非間引きハール変換 × × 整数 構造的 ○ Contourlet ○ △ 有理数 構造的 △ K-SVD ○ ○ 有理数 非構造 × スパースK-SVD ○ ○ 有理数 構造的 × 2-D NSOLT ○ ○ 有理数 構造的 ○ 2014/11/12 第29回信号処理シンポジウム 6 スパース表現性能 低コスト実現 最適化
  7. 7. (a) (b) 二次元NSOLTの設計例  非分離冗長重複変換(NSOLT)の学習設計 2014/11/12 第29回信号処理シンポジウム 7 教師画像 学習辞書(アトム群) [Muramatsu,ICASSP2014]ツリー構成
  8. 8.  Type-I ラティス構成(Type-IIは割愛)  特徴  非分離、対称、重複、タイトフレーム制約可  直流無漏洩設定、境界終端処理を備える 三次元NSOLTの提案 2014/11/12 第29回信号処理シンポジウム 8 パラメータ 行列 間引き率 M チャネル数 P 垂直 水平 奥行 パラメータ 行列
  9. 9. 多重解像度タイトフレーム表現 2014/11/12 第29回信号処理シンポジウム 9 構造的制約によりタイト性(𝐃𝐃 𝑇 = 𝐈)を満たす
  10. 10. ツリー構造の冗長度の比較  非間引き構成 ℛ1 𝑃 𝜏 = 𝑃 − 1 𝜏 + 1  間引き構成(𝑀 ≥ 2) ℛ 𝑀 𝑃 𝜏 = 𝑃 − 1 𝑀 − 1 − 𝑃 − 𝑀 𝑀 − 1 𝑀 𝜏 第29回信号処理シンポジウム 102014/11/12
  11. 11. NSOLTによる構造化辞書学習  問題設定 𝐃, 𝐲 = argmin 𝐃,𝐲 𝐱 − 𝐃𝐲 2 2 s. t. 𝐲 0 ≤ 𝐾  スパース符号化 𝐲 = argmin 𝐲 𝐱 − 𝐃𝐲 2 2 s. t. 𝐲 0 ≤ 𝐾  辞書更新(パラメータ𝚯の更新) 𝚯 = argmin 𝚯 𝐱 − 𝐃 𝚯 𝐲 2 2 𝐃 = 𝐃 𝚯 第29回信号処理シンポジウム 112014/11/12 スパース符号化 (IHT etc.) 辞書更新 (Nonlinear Opt.) 収束 true false
  12. 12. 三次元NSOLTの設計例  MRbrainの一部(643 )による学習例 𝑀 = 8, 𝑃 = 10, 𝐾/𝑁 = 1/8 2014/11/12 第29回信号処理シンポジウム
  13. 13. スパース近似結果(IHT) (MRbrain 192 × 192 × 96)  実験緒言:𝑀 = 8, 𝑃 = 10, 𝐾/𝑁 = 1/8 2014/11/12 第29回信号処理シンポジウム 13 原データ(スライス) 近似データ(スライス) PSNR: 39.70 [dB] 差分データ(スライス)
  14. 14. スパース近似結果の比較 2014/11/12 第29回信号処理シンポジウム 14 • スパースK-SVDにはスパースOMPを利用 • 3-D NSOLTにはIHTを利用
  15. 15. まとめ  非分離冗長重複変換の三次元拡張を提案  構造化されたパラメトリックかつタイトな辞書  非分離、対称性、重複性を同時に満たす  直流無漏洩設定,境界終端処理を備える  ボリュームデータMRbrainのスパース近似により評価  スパースK-SVDとの比較により有効性を確認  多重解像度表現による効果が大きい  今後の課題  辞書更新の効率化  ボリュームデータ復元応用 2014/11/12 第29回信号処理シンポジウム 15

×