Estimating SSIM from MSE for DCT-Based Compressed Images

ملخص تقني: تقدير مؤشر التشابه الهيكلي (SSIM) من متوسط مربع الخطأ (MSE) للصور المضغوطة القائمة على تحويل جيب التمام المتقطع (DCT)

بيان المشكلة
في مسارات معالجة الفيديو والصور الحديثة، لا سيالما تلك التي تستخدم الترميز المتكيف مع المحتوى (Content Adaptive Encoding)، تبرز حاجة ماسة لمقاييس جودة موضوعية تكون فعالة حوسبياً وذات دلالة إدراكية في آن واحد. وبينما يوفر مؤشر التشابه الهيكلي (SSIM) ارتباطاً إدراكياً فائقاً مقارنة بنسبة ذروة الإشارة إلى الضجيج (PSNR) واسعة الاستخدام، فإن حسابه القياسي يتطلب تحليلاً مرجعياً كاملاً. وتحديداً، يستلزم حساب SSIM استخراج إحصائيات النوافذ المحلية (المتوسط، والتباين، والتباين المشترك) لكل من الصورة المرجعية ($X$) والصورة المشوهة ($Y$).

في السيناريوهات التي يتم فيها ترميز نفس المحتوى المصدر بشكل متكرر عبر مستويات مختلفة من معدل البت، والدقة، والتكوينات، يؤدي حساب الإحصائيات المحلية لكل إطار مشوه إلى تكاليف باهظة في المعالجة الحوسبية واعتمادية عالية على البيانات. وتتمثل المشكلة الجوهرية التي تعالجها هذه الورقة في كيفية تقريب قيمة SSIM باستخدام متوسط مربع الخطأ العالمي (MSE) أو PSNR العالمي وإحصائيات مستمدة حصرياً من الصورة المرجعية، مما يلغي الحاجة إلى تحليل النوافذ المحلية للإشارة المشوهة.

المنهجية
يعتمد النهج المقترح على العمل السابق لـ "مارتيني" [3]، الذي أرسى علاقة بين SSIM المحلي و $MSE_\ell$ المحلي مقترناً بتباين المصدر ($\sigma_x^2$). ومع ذلك، فإن التقريب القياسي في [3] لا يزال يتطلب $MSE_\ell$، وهو أمر غير متاح عندما يكون $MSE_G$ العالمي هو المعلوم فقط.

ولحل هذه المعضلة، يقترح المؤلفون نمذجة $MSE_\ell$ عن طريق إعادة توزيع التشويه العالمي عبر النوافذ المحلية بناءً على نشاط المصدر. تسير المنهجية كما يلي:

1. نموذج إعادة توزيع الخطأ: يفترض المؤلفون أن أخطاء التكميم في ضغط DCT ليست موحدة مكانياً؛ بل ترتبط بنشاط الصورة المحلي. فالمناطق السلسة تحتفظ عادةً بأخطاء أقل، بينما تمتص المناطق ذات الملمس (Textured regions) أخطاءً أكبر.
2. إعادة التوزيع القائم على التباين: يقوم نموذج من الدرجة الأولى بإعادة توزيع $MSE_G$ بما يتناسب مع التباين المحلي:
   $$MSE_\ell \approx MSE_G \cdot \frac{\sigma_x^2}{E[\sigma_x^2]}$$
3. التحسين دون الخطي (Sublinear Refinement): كشف التحليل التجريبي أن نموذج التباين الخطي يخصص خطأً زائداً للمناطق ذات التباين العالي. ولتصحيح ذلك، قدم المؤلفون أسّ تشكيل $\beta \in [0, 1]$ لإنشاء علاقة دون خطية:
   $$MSE_\ell \approx MSE_G \cdot \frac{(\sigma_x^2 + \epsilon)^\beta}{E[(\sigma_x^2 + \epsilon)^\beta]}$$
   وقد أسفرت عملية التحسين على مجموعتي بيانات Kodak و Xiph عن قيم $\beta$ تقارب 0.46 و 0.48، مما يشير إلى علاقة قريبة من الجذر التربيعي.
4. صياغة الانحراف المعياري: مدفوعين بكون $\beta \approx 0.5$ هي القيمة المثلى، يقترح المؤلفون نموذجاً خالياً من المعاملات (Parameter-free) يعتمد على الانحراف المعياري ($\sigma_x$) بدلاً من التباين. يعمل هذا على ضغط النطاق الديناميكي للنشاط المحلي:
   $$MSE_\ell \approx MSE_G \cdot \frac{\sigma_x + \epsilon}{E[\sigma_x + \epsilon]}$$
5. تقريب SSIM: من خلال تعويض $MSE_\ell$ المقدر في صيغة تقريب SSIM المحلي، يتم اختزال متوسط SSIM العالمي (MSSIM) إلى حاصل ضرب ثابت يعتمد على المصدر ($k$) ومقياس التشويه العالمي ($MSE_G$). وهذا يلغي الحاجة إلى حساب SSIM لكل نافذة في الصورة المشوهة.

المساهمات الرئيسية

• التقريب المعتمد على المصدر فقط: تضع الورقة إطاراً لتقريب SSIM باستخدام MSE العالمي وإحصائيات محلية مستمدة حصرياً من الصورة المرجعية.
• نموذج خالٍ من المعاملات: من خلال التحسين التجريبي، أثبت المؤلفون أن نموذج إعادة التوزيع القائم على الانحراف المعياري (والذي يستخدم فعلياً $\beta \approx 0.5$) يوفر حلاً قوياً وخالياً من المعاملات يتفوق على النهج القائم على التباين.
• كفاءة المسار (Pipeline Efficiency): تقلل هذه الطريقة من الحاجة لتكرار التحليل المرجعي الكامل عبر الجمع بين ثابت يعتمد على المصدر (يتم حسابه مسبقاً وقابل لإعادة الاستخدام) ومقياس تشويه عالمي متاح من المرمز (Encoder).

النتائج التجريبية
تم التحقق من صحة الأساليب المقترحة باستخدام مجموعة صور Kodak Lossless True Color و Xiph.org Subset1 عبر نطاق من مستويات جودة JPEG من 35 إلى 95. وتمت مقارنة النتائج مع:

1. قيمة SSIM الحقيقية (الحقيقة الأرضية/Ground truth).
2. خط الأساس لـ MSE العالمي.
3. طريقة $MSE_\ell$ الخاصة بمارتيني [3] (والتي تعمل كحد أقصى للدقة ولكنها تتطلب $MSE_\ell$ محلياً).
4. نماذج التباين دون الخطي ونموذج الانحراف المعياري المقترحين.

النتائج:

• الدقة: توفر كلا الطريقتين المقترحتين تقديرات أكثر دقة لـ SSIM مقارنة بخط الأساس لـ MSE العالمي.
• المقارنة مع $MSE_\ell$ المحلي: يحقق نموذج الانحراف المعياري تقديرات قريبة من تلك التي يتم الحصول عليها باستخدام $MSE_\ell$ المحلي، حيث تظل أخطاء التقريب أقل من 1% عبر مستويات الجودة النموذجية.
• خصائص الخطأ: عند مستويات جودة JPEG المنخفضة، أظهر نموذج التباين دون الخطي انحرافات أكبر بسبب تخصيص خطأ زائد للمناطق ذات الملمس العالي. وقد خفف نموذج الانحراف المعياري من ذلك عبر ضغط النطاق الديناميكي، مما أدى إلى توزيع أكثر توازناً للخطأ.
• الرتابة (Monotonicity): نجحت كلتا الطريقتين في الحفاظ على العلاقة الرتيبة بين جودة JPEG و SSIM، مما يجعلهما مناسبين للتقييم المقارن.
• القيود: أشار المؤلفون إلى أنه عند مستويات الجودة المنخفضة جداً، يصبح التشويه معتمداً بشكل متزايد على العيوب (Artifacts) وأقل وصفاً بالإحصائيات المستمدة من المصدر وحده، مما يؤدي إلى زيادة خطأ التقريب.

الأهمية والادعاءات
تزعم الورقة أنه بالنسبة للصور المضغوطة بتقنية DCT، يمكن تقريب SSIM بدقة عالية باستخدام MSE العالمي وإحصائيات محلية مستمدة من المرجع فقط. وتعد هذه القدرة مهمة لمسارات الفيديو حيث يتم ترميز نفس المحتوى عدة مرات؛ إذ يمكن حساب الإحصائيات المستمدة من المصدر مرة واحدة، وتخزينها، وتوزيع تكلفتها على جميع عمليات الترميز، مما يقلل التكاليف الحوسبية والاعتمادية على البيانات.

يلتزم المؤلفون بنطاق متواضع، مشيرين إلى أن التحقق الحالي يقتصر على صور JPEG الثابتة. كما صرحوا بوضوح بأن هناك حاجة لعمل مستقبلي لتقييم الإطار على برامج ترميز الصور والفيديو الحديثة، ومقارنة الأداء الحوسبي مقابل تقريبات $MSE_\ell$ المحلية، وتحديد فوائد توزيع الإحصائيات (Amortizing statistics) في سيناريوهات ترميز الفيديو المتكررة. لا تدعي الورقة استبدال SSIM كمعيار حقيقي، بل تقدم بديلاً عالي الكفاءة له في سياقات محددة ومقيدة.