最適化

ノイズ除去・ぶれ除去・超解像・MRI（Magnetic Resonance Imaging）・CT（Computed Tomography）など、劣化した観測データからきれいな画像を求めることを画像復元と呼びます。 高精度な画像復元を行うためには、画像の性質をうまく活用し、復元対象の画像に合わせた処理を行うのが重要になります。 本研究室では、画像の性質の数理的モデル化やデータ駆動型のアプローチを適切に組み合わせた画像復元アルゴリズムの開発を行っています。

未知の信号を観測データから復元する信号復元では、復元の精度や計算コストはもちろんのこと、信頼性・解釈性・汎用性なども重要な要素になります。 これらの要素を兼ね備えた手法として、数理モデルを用いた最適化に基づく信号復元と機械学習技術を融合させるアプローチがさかんに研究されています。

たとえば「深層展開」という方法では、反復的なアルゴリズムとニューラルネットワークの類似性に着目し、反復計算に含まれるパラメータを学習することで、計算速度や復元精度の向上を図ります。 「Plug-and-Play」と呼ばれる方法では、深層学習に基づく優れたノイズ除去手法を従来の最適化アルゴリズムに組み込むことで、画像復元の精度向上を目指します。 本研究室では、モデルベースの手法とデータ駆動の手法を相補的に組み合わせたさまざまな信号処理技術についての研究を行っています。