Professional Documents
Culture Documents
Parameter-Free Plug-And-play Admm For Image Restoration - 1 - 5 - Translate
Parameter-Free Plug-And-play Admm For Image Restoration - 1 - 5 - Translate
Parameter-Free Plug-And-play Admm For Image Restoration - 1 - 5 - Translate
王志兰和史丹利。陈
普渡大学电气与计算机工程学院,西拉斐特分校,公元47907年。
摘要
即插即用的ADMM是经典的ADMM算法的一个最近开发的变体,它使
用现成的图像去噪器取代了其中的一个子问题。尽管其明显的特
殊性质,即插即用的ADMM产生了惊人的良好的图像恢复结果。然
而,由于在即插即用的ADMM中,去噪器被视为一个黑盒,因此整
个算法的行为在很大程度上是未知的。特别是,控制算法收敛速
度的内部参数必须由用户进行调整,而参数的错误选择会导致结
果的严重退化。在本文中,我们提出了一个无参数的即插即用
ADMM,其中内部参数作为优化的一部分进行更新。我们的算法是
由广义的近似消息传递推导出的,并有几个基本的修改。通过实
(a)输入 (b)地面真相
验,我们发现新算法沿着可靠的快速收敛路径产生解。
索引术语-即插即用,ADMM,图像恢复,无参数,广义近似消
息传递
1 . 介绍
1.1.即插即用ADMM
由于乘数交替方向法(ADMM,[1])的惊人数量的应用,可以相当
肯定地说,ADMM几乎是我们现在使用的大多数[2–4]图像恢复算
法的主力,如果不是全部的话。ADMM是一种通用的算法,以解决
(c)总变体[4]29.97 dB(d)即插即用[6]31.29 dB
优化问题的形式
(7)
1.3. 相关工作和贡献
(8)
本文的贡献是一个无参数的即插即用的ADMM。在这里,我们所说
的无参数是指内部参数ρ作为ADMM算法的一部分进行更新,因此 (9)
是不需要调优的。然而,这并不意味着正则化参数λ是自动调优
的。如果λ被自动调优,则可以考虑一些现有的方法,e。g., 当 (10)
然,[14]和交叉验证,[15]等。 (11)
我们在无参数即插即用ADMM背后的关键思想是压缩感知文献
[16–20]中的广义近似消息传递(GAMP)。GAMP是一种通用的算 在这组方程中,函数的问题τ f 是近端算子,
法,它以(1)的形式解决问题,通常针对f (x) = 被视为
lAx − yl2 有一个随机矩阵a和一个正则化函数
1 1
g (x) = lxl1 .在GAMP中,内部参数是自更新的,这是本文试图获 proxτ f () = arginm lAx − yl2τ + lx − l 2 ,
得的一个特征。另一项相关工作是梅茨勒等人的去噪-amp。[21] x 2 2
,其中使用去噪器来代替经典AMP中的收缩步骤。去噪器的收敛是 (12)
i。i.d.高斯矩阵A,但不是一般矩阵。
工
其中的在l2τ 是由lxl给出的加权范数吗2τ = τ ix2i .变量τx可
以看作是一个向量版本吗
本文的目的是从GAMP中推导出一个无参数的即插即用ADMM。
ADMM中的内部参数ρ,和Tx可以看作是以u条件的方差x的度量。
在第二节中,我们简要介绍了GAMP算法。然后在第三节中,我们 在输入节点上的计算涉及到
展示了如何将GAMP算法修改为一个无参数的即插即用的ADMM。实
验结果见第四节。 (13)
(14)
2 . 广义近似消息传递
(15)
在本节中,我们将简要介绍广义近似消息传递(GAMP)算法。关
于GAMP的全面讨论,我们请读者参考[18]。在所有图像恢复中 (16)
工
对于可分离的g (U) = gi(v i),近端操作符proxτg ()
读取为
1
proxτ iλ g ( i) = τiλgi(v) + (v − i)2. (17
argmin 2 )
v
.2 . 2GAMP和ADMM之间的等价性 其中,在(a)中,我们使用了一个卷积矩阵A可以通过傅里叶变换
.2.3输入节点
在输入节点上,我们必须用一个去噪器D来替换近端算子σ .在这
里,去噪器的噪声水平,σ,应该被定义为σ=^τ xλ .这解释
了(14)。
对于(15)中的导数,我们注意到,自τv现在是一个标量,
我们必须用它的散度(即梯度的和)来代替导数。这给了
其中,L(x,v,u)= f (x) + λg (v) + uT(x−v)是拉格朗日量
功能 π k+1)= τ k+1) divDσ ( (k) ).
程 (22)
散度的计算可以用蒙特卡罗方案进行数值计算。更具体地说,去
因此,GAMP和ADMM之间的关键区别在于参数τ k) 和τ,这表 噪器在v处的散度可以近似为
明,如果我们想从GAMP中推导出一个即插即用的ADMM,我们必须
首先确定参数-eters τ k)和τ
3 . 无参数即插即用 (23)
我们现在使用上面的GAMP公式推导出无参数的即插即用方式。我
其中,b∼N(0,I)是一个随机向量,而o≪1是一个小的常数(通
们的推导需要两个主要的修改。
常是o = 103 ).由于测量值[14]的浓度,期望的近似一般适用于大
向量值参数τx和τv应该成为标量τx和τv.这将允许我们考
n。
虑不一定是可分离的任意去噪器。
在数值上,计算(23)只需要对去噪器计算两次:一次对于
(14)中的近端操作符被(5)中所定义的一个现成的去噪器所 Dσ (),其他时间是Dσ ( + ǫb).
取代,因此它将成为即插即用的框架。
通过这两个修改,我们可以考虑输出节点和输入节点。我们还注 3.3. 最终算法
意到,在方程(7)-(16)中,最大的挑战是近端算子。以下两个
小节将讨论这些操作符。 对于输出节点,inal算法可以通过替换(18)为(8)、(21)为(9)
,(5)为(14)、(22)为(15)来得到。此外,我们还可以通过
.1.3输出节点 挖掘来简化步骤
然后我们可以证明GAMP算法可以简化为算法1。我们将所得到的算
法称为即插即用的广义近似消息传递(PAMP)。
(18)
如算法1所示,PAMP与即插即用ADMM之间的区别是参数ρx和
取关于收益率的导数 ρv.在即插即用程序中,参数共享相同的值ρ,并在整个迭代过
程中被集成。在PAMP中,ρx和ρv将作为算法的一部分而自动更
( )1
新。因此,PAMP是一种无参数的算法。
proxτ xf() = τ xATA + I 1
(19) 4 . 实验结果
请注意,这是一个梯度的向量。因为我们在寻找一个标量,一个 在本节中,我们将介绍实验结果来评估所提出的PAMP算法的性能
选择是考虑散度。这种产量 。虽然该方法可以很容易地扩展到图像插值和图像超分辨率,但
我们主要关注图像去模糊问题。
(20) 我们使用10个标准的灰度图像来测试了该算法。每幅图像被
一个大小为9×9和标准差为1的空间不变高斯模糊核模糊。添加剂
i。i.d.在模糊图像中加入零均值和标准差σ = 5/255的高斯噪声
。两个阻尼器Dσ 在这个实验中考虑了:总变异去噪[22],和BM3D
[13]。对于总变异,我们
(a)总变异去噪器(b)BM三维去噪器
图2: PAMP的PSNR相比使用即插即用ADMM混合ρ。(a)使用总变分去噪作为去噪器;(b)使用BM3D作为去噪器。在这个图像中,所有PSNR
值平均平均值超过10张测试图像。
在[4]中使用MATLAB实现,而对于BM3D,我们使用作者网站上可用 收敛GAMP的收敛性是一个开放的问题。到目前为止,我们所知道
的代码。当使用总变化时,我们设置正则化参数λ = 102 .当使用 的最佳结果是,通过适当设计的阻尼策略,GAMP收敛于严格凸函
数f和g [23]。然而,当不使用阻尼时,也有GAMP发散[24]的例子
BM3D时,我们设置为λ = 103 .选择这些值是因为它们能为整个数
。从显式g移动到隐式去噪器Dσ 这将会导致更多有待研究的挑战
据集产生了最好的总体结果。
。
由于PAMP的目标是自动选择ρ,所以我们将PAMP与使用混合
ρ的即插即用ADMM进行了比较。我们从10个ρ值中选择10个ρ值2 结论即插即用广义近似消息传递(PAMP)是一种自动更新传统即
插即用ADMM内部参数的新算法。更新规则是基于子问题散度的度
至102 在对数尺度上。对于每个ρ,我们运行即插即用ADMM 50次
量,并由广义近似消息传递(GAMP)推导出来的。在目前阶段,
迭代,并记录PSNR值。对于PAMP,我们使用ρ = 1初始化算法,
数值结果表明PAMP是一种有前途的算法,它通过快速收敛路径生
并让算法更新ρ x和ρv内地
成解。并对该算法进行了直观的论证。未来的工作应集中在收敛
结果如图2所示。在这个图像中,PSNR值在10个测试图像上取 性分析上。
平均值。 可以观察到,参数ρ对即插即用ADMM算法有重要的影响
,其中大ρ往往收敛较慢,接近低PSNR的解。如果ρ太小,则为e
。g., 在ρ = 0.01的BM3D情况下,PSNR实际上在第一次迭代后迅
速下降。对于PAMP,我们观察到在两种去噪器中,解选择了一个
几乎具有最高PSNR的快速收敛路径。
6 . 参考文献 处理框架,“ACM图形交易(程序亚洲2014),vol。33日,
没有。12月6日。2014.
[1 ] S. 博伊德,N。帕里克,E。楚,B。佩莱托和J。埃克斯坦
[13] K.达博夫。Foi, V.卡特科夫尼克和K。“稀疏三维变换域
,“通过乘数的交替方向方法的分布式优化和统计学习,”
协同过滤的图像去噪”,IEEE变换。图像处理。,卷。16日
发现。趋势马赫数。学习。,卷。3、没有。1, pp.1月1日
,没有。8, pp.2080-2095年8月。2007.
至122日。2011.
[2] J. 杨,Y。张和W。“一种对被脉冲噪声破坏的多通道图像 [14] S. Ramani, T.Blu和M。“蒙特卡罗肯定:一般去噪算法的
正则化参数的黑盒优化”,IEEE Trans。图像处理。,卷。
进行去模糊的有效TVL1算法”,SIAM J。在科学上。压缩。
17日,没有。9, pp.1540– 1554, 2008.
,卷。31日,没有。4, pp.2842– 2865, Jul.2009.
[15] N.日圆,P。米兰法尔和G。Golub,“与参数图像恢复和分
[3] M. 阿方索,J。比奥卡斯-迪亚斯和M。“使用变量分割和约
辨率增强的应用”,IEEE分析。图像处理。,卷。10,没有
束优化的快速图像恢复”,IEEE翻译。图像处理。,卷。19
。9, pp.1299– 1308, Sep.2001.
日,没有。9, pp.2345– 2356, Apr.2010.
[16] M.BorgerdingP。“共稀疏分析模型的广义近似消息传递”
[4] S. H.陈,R。Khoshabeh, K.B.吉布森,P。E.吉尔和T。
。IEEE国际。会议声学,语音,信号过程。(ICASSP),
Q.Nguyen,“全变异视频恢复的增强拉格朗日方法”,IEEE
2015,页。3756–3760.
反式。图像处理。,卷。20岁,没有。11, pp.2011年5月
3097-3111。 [17] S.Rangan, P.Schniter, E.里格勒,A。弗莱彻和V。“具
有任意矩阵的广义近似消息传递的不动点”,在Proc中。
[5] C.A.Bouman,“基于模型的图像处理”,可在https://工
程网站上在线获得。普渡大学。edu/˜浏览手册/出版物 IEEE国际。模拟。信息理论,2013,页。664–668.
/pdf/MBIP-book。pdf, 2015. [18] S. “随机线性混合估计的广义近似消息传递”,在前。
[6] S.H.陈,X。王和O。A.“即插即用ADMM图像恢复:定点收 IEEE国际。模拟。信息理论,2011,页。2168–2172.
敛和应用”,IEEE翻译。计算成像公司,正在出版中。可在 [19] D.L.多诺霍。Maleki和。“压缩感知的信息传递算法”,
http://arxiv上在线获得。org/abs/ 1605.01710. 硕士论文。Nat。阿卡德。科学。,卷。106,没有。45,
[7] S.文卡塔克里希南,C。布曼和B。“基于模型的重建的即 pp.18914– 18919, 2009.
插即用先验”,在专业版中。IEEE全球信号与信息处理会议 [20 ] D. L.多诺霍。Maleki和。“如何设计压缩感知的信息传递
,2013年,第3页。945–948. 算法”,技术。莱斯大学代表,2011年,网址为
[8] S. Sreehari。V.文卡塔克里希南,B。沃尔伯格,G。T.秃 http://www.ece.稻米edu/ mam15/bpist.pdf.
鹰,L。F.Drummy, J.P.西蒙斯和C。A.“明亮的电子断层扫 [2 1 ] C. A.梅茨勒。Maleki和R。G.“从去噪到压缩感知”,
描和稀疏插值的即插即用先验”,IEEE分析。计算成像,卷 IEEE翻译。信息理论,卷。62岁,没有。9, pp.5117–
。2 、 没 有 。 4, pp.408-423年,12月。2016. 5144, Sep.2016.
[9] S.H.Chan,“图像恢复的算法诱导优先级”,可在
[22] L. 鲁丁。Osher和E。“基于非线性全变化的噪声去除算法
http://arxiv上在线获得。org/abs/1602.00715,2月。
”,物理D,卷。60, pp.259– 268, 1992.
2016.
[23] J.维拉,P。Schniter, S.Rangan, F.克拉扎拉和L。“广
[10] A. Brifman, Y.罗马诺和M。“使用即插即用先验将去噪器
义近似消息传递算法的自适应阻尼和均值移除”,论文。
变成超级解析器”。IEEE国际。会议图像处理。(ICIP),
IEEE国际。会议声学,语音,信号过程。(ICASSP),2015
Sep.2016, pp.1404– 1408.
,页。2021–2025.
[11] A.Rond。Giryes和M。“即插即用方案的泊松逆问题》,《
[24] S. Rangan, P.施奈特和A。K.“关于任意矩阵传递的收敛”
视觉通信与图像表示杂志》,第1卷。41, pp.11 月96-
。IEEE国际。模拟。信息理论,2014,页。236–240.
108 。2015.
[12] F.海德,M。斯坦伯格,YT。.-蔡明。路由,D。Pajak,D
。雷迪,哦。加洛,J。刘abd W。海德里希,K。
Egiazarian,
J.Kautz和K。普利,“FlexISP:一个可存的相机图像