Marginal multi-object multi-frame blind deconvolution

技術的概要：周辺化多対象多フレーム盲デコンボリューション

問題の定義
高解像度の地上太陽観測画像は、大気乱流によって引き起こされる屈折率の揺らぎにより本質的に制限されており、これが画像品質を劣化させます。適応光学（AO）システムは部分的な補正を提供しますが、残りの波面誤差は残存しており、理論的な回折限界に近づけるために事後の画像復元が必要となります。従来の復元手法、特に多対象多フレーム盲デコンボリューション（MOMFBD）は、結合された最尤（ML）推定に依存しています。この枠組みでは、観測データの尤度を最大化することで、太陽物体と大気収差が同時に推定されます。

しかし、結合 ML アプローチは、特に低信号対雑音比（SNR）領域において重大な課題に直面します。物体と波面の両方に対する結合点推定値を求めるため、この問題はしばしば不適切な問題となります。雑音が存在する場合、アルゴリズムは過剰適合する傾向にあり、誤って雑音パワーを高次収差に割り当てます。これにより、職人的なフーリエフィルタリングと正則化パラメータの微調整が必要となります。さらに、復元のコントラストは、物体の事前分布の電力スペクトル密度（PSD）を規定するハイパーパラメータに対して極めて敏感であり、時間がかかり標準化が困難な専門家の手動調整を必要とします。

手法
本論文は、結合点推定から**周辺最大事後確率（MMAP）**枠組みへの転換を提案します。物体と収差を同時に解くのではなく、物体を「邪魔なパラメータ」として扱います。物体に対して適切なベイズ事前分布を定義し、それらに対して周辺化（積分）を行うことで、収差のみの事後確率を孤立させます。

数学的な定式化は以下の通りです：

1. モデル設定：観測モデルは、$K$個のコ空間物体に対して$J$枚の短露出フレームと$L$個の多様性チャネルを仮定します。観測画像は、瞬間的な乱流を表す点広がり関数（PSF）による真の物体との畳み込みと、加算雑音としてモデル化されます。
2. ベイズ定式化：未知数（物体$o$と PSF $H$）の事後分布が定義されます。物体と雑音に対してガウス事前分布を仮定すると、結合事後分布は 2 つのガウス分布の積に因数分解されます。
3. 周辺化：物体の最大事後確率（MAP）推定値を見つけてそれを尤度に戻す（結合推定で行われること）のではなく、物体を積分して除去します。これにより、PSF とハイパーパラメータのみに依存する周辺化尤度関数が得られます。
4. 実装：負の対数周辺尤度が導出されます。フーリエ領域において、ウッドベリー行列恒等式とシャーマン・モリソン公式を利用することで、計算が効率的になります。得られる評価関数は標準的な結合推定値とほぼ同一ですが、追加の対数行列式項が含まれます。
5. 最適化：この手法は、自動微分（PyTorch）を用いた Adam 最適化器を利用します。局所解を回避するために、波面展開モードを徐々に増加させるスケジューリングアプローチが採用されます。重要なのは、物体事前分布の PSD と雑音分散を制御するハイパーパラメータが、初期反復中に波面係数とともに直接最適化され、その後に発散を防ぐために固定されることです。

主要な貢献

• 強化された正則化：周辺化プロセスは、物体の不確実性を自然に考慮します。これにより、結合推定で一般的な失敗モードである、雑音パワーを高次収差に割り当てることを復元アルゴリズムが防ぎます。
• ロバストなコントラスト制御：周辺推定値は、物体の PSD を規定するハイパーパラメータに対して著しく鈍感です。これにより、これらのハイパーパラメータを直接最適化することが可能となり、専門家の手動調整を不要とする「プラグアンドプレイ」展開を可能にします。
• 最小限の実装オーバーヘッド：この手法は、従来の評価関数に対数行列式項を追加するだけで済みます。オープンソースの torchmfbd パッケージに完全に統合されており、既存の盲デコンボリューションパイプラインへの改修は最小限で済みます。
• 自動モード選択：周辺損失関数の振る舞いにより、最適な波面モード数を自動的に選択することが可能です。損失関数は明確な最小値を示し、データ適合と正則化のバランスを取りますが、結合損失関数はモードの増加とともに単調に減少するため、そのような指針を提供しません。

結果
提案された手法は、活動領域と静穏太陽の観測の両方をカバーする CRISP 装置（SST）および HiFI 装置（GREGOR）のデータを用いて検証されました。

• コントラストの安定性：結合推定では、復元のコントラストは PSD ハイパーパラメータ（$\kappa$）に対して極めて敏感です。小さな値はぼやけた画像をもたらし、大きな値は人工的なコントラスト強調とアーティファクトを引き起こします。周辺推定値は、調整なしに安定した現実的なコントラストを生成します。
• フレーム数の独立性：バースト内のフレーム数（$M$）を変化させた場合、結合推定値はアーティファクトやぼやけを避けるために PSD パラメータの慎重な調整を必要とします。一方、周辺推定値は、異なるフレーム数（例：$M=2$から$M=50$）にわたって、適切なコントラストと視覚的品質を持つ復元を自動的に生成します。
• モード数の最適化：合成データを用いた実験により、周辺損失関数が最適な KL モード数（例：$r_0=10$cm の場合、60〜80 モード）に対応する明確な最小値を持つことが示されました。これに対し、結合損失関数はモードの増加とともに単調に減少し、最適な停止点を示すことができません。
• 視覚的品質：周辺推定値を用いた復元は、標準的な MOMFBD や結合推定値と比較して、特にペニュブラ領域において、わずかに明確な構造と高いコントラストを示し、高周波数のアーティファクトを導入することはありませんでした。

重要性
本論文は、周辺推定値が太陽観測における従来の結合最尤推定の固有の限界に対処することを主張しています。高周波雑音やハイパーパラメータの選択に対して敏感でない安定した復元を提供することにより、この手法はより自動化され、ロバストなワークフローを可能にします。ハイパーパラメータの最適化とモード数の選択をデータから直接行う能力は、専門家の介入への依存を減らし、高品質な太陽画像復元を太陽物理学コミュニティ全体にとってよりアクセスしやすいものにします。torchmfbd への統合により、日常的なデータ処理への即時利用が可能となっています。