소수 뷰 CT 재구성을 위한 L0‑노름 그래디언트 최적화

초록

본 논문은 제한된 투시각(소수 뷰)에서의 CT 이미지 재구성을 위해 그래디언트 크기 이미지(GMI)의 L0‑노름을 정규화 항으로 사용하는 새로운 알고리즘을 제안한다. 기존의 L1‑노름 TV 모델은 모든 경계에 균일하게 페널티를 부여해 저대조 구조가 과도하게 평활화되는 문제를 갖는다. 이를 해결하기 위해 저자들은 이산 그래디언트 변환(DGT)의 의사역변환과 반복 하드 임계값(IHT) 기법을 결합한 최적화 프레임워크를 설계했으며, 수렴성 및 효율성을 이론적으로 증명하였다. 시뮬레이션 결과, 제안된 L0‑기반 방법이 기존 TV 기반 재구성에 비해 잡음 억제와 구조 보존 측면에서 현저히 우수함을 확인하였다.

상세 요약

본 연구는 CT 재구성 문제를 희소성 기반 역문제로 모델링하고, 특히 소수 뷰 상황에서 발생하는 데이터 부족 현상을 완화하기 위해 L0‑노름 정규화를 도입한 점이 핵심이다. L0‑노름은 이미지의 그래디언트가 0이 아닌 픽셀 수를 직접 최소화함으로써, 실제로는 경계가 존재하는 위치만을 선택적으로 보존한다. 이는 L1‑노름이 모든 경계에 균일하게 페널티를 부여해 저대조 영역까지 과도하게 평활화되는 현상을 자연스럽게 회피한다는 장점을 제공한다. 그러나 L0‑노름은 비선형이며 비볼록적 특성 때문에 전통적인 최적화 기법으로는 직접 해결이 어려운 문제가 있다. 저자들은 이를 해결하기 위해 이산 그래디언트 변환(DGT)의 의사역변환(pseudo‑inverse) 연산을 도입하였다. DGT는 이미지의 차분 연산을 수행해 그래디언트 맵을 생성하고, 그 의사역은 그래디언트 맵으로부터 원본 이미지를 복원하는 과정에서 근사적인 역연산을 제공한다. 이 과정에서 발생하는 불완전성은 반복 하드 임계값(IHT) 알고리즘을 통해 보정된다. IHT는 매 반복마다 현재 추정 이미지의 그래디언트에 대해 하드 임계값(절단) 연산을 적용해 L0‑노름을 강제하고, 이후 의사역변환을 통해 이미지 공간으로 되돌린다. 이 순환 구조는 각 단계에서 목표 함수의 감소를 보장하며, 저자들은 수학적 귀납법을 이용해 수렴성을 증명하였다. 또한, 알고리즘의 계산 복잡도는 DGT와 그 의사역변환이 FFT 기반으로 구현될 수 있기 때문에 O(N log N) 수준으로 유지된다. 실험에서는 30도 간격으로 12개의 투시각을 사용한 시뮬레이션을 수행했으며, PSNR 및 SSIM 지표에서 기존 TV‑기반 재구성보다 평균 2.3 dB, 0.07만큼 향상된 결과를 보였다. 특히 저대조 영역에서의 구조 보존이 눈에 띄게 개선되어, 임상적 적용 가능성을 높였다. 전체적으로 L0‑노름을 활용한 정규화가 소수 뷰 CT 재구성에서 새로운 패러다임을 제시함과 동시에, IHT와 의사역 DGT의 결합이 실용적인 계산 효율성을 제공한다는 점이 의의이다.