MSIQ: Moment-based Scale-Invariant Quality Measure for Single Image Super-Resolution

Résumé Technique : MSIQ – Mesure de Qualité Invariante d'Échelle à Base de Moments pour la Super-Résolution d'Image Unique

Énoncé du Problème
L'évaluation des résultats de la Super-Résolution d'Image Unique (SISR) demeure un défi méthodologique. Les métriques de référence complète standard, telles que le PSNR et le SSIM, évaluent principalement les erreurs pixel par pixel ou les similarités structurelles locales, mais échouent à évaluer explicitement la préservation de la structure géométrique globale. De plus, ces métriques exigent que l'image de référence ($I_{GT}$) et l'image super-résolue ($I_{SR}$) soient redimensionnées aux mêmes dimensions avant comparaison. Ce « redimensionnement forcé » introduit des erreurs d'interpolation externes sans rapport avec la performance du modèle SISR, contaminant ainsi l'évaluation. Bien que les métriques perceptuelles (par exemple, LPIPS, DISTS) s'alignent mieux sur la vision humaine, elles manquent souvent de spécificité géométrique, échouant à distinguer les déformations géométriques (par exemple, mise à l'échelle anisotrope, cisaillement) des artefacts non géométriques (par exemple, compression JPEG). L'article répond au besoin d'un outil diagnostique évaluant la fidélité géométrique sans exiger de redimensionnement forcé et capable de distinguer les anomalies géométriques des autres distorsions.

Méthodologie
La solution proposée, MSIQ (Qualité Invariante d'Échelle à Base de Moments), est une métrique de référence complète comparant les images dans l'espace des moments géométriques centraux normalisés plutôt que dans l'espace des pixels.

1. Fondement Mathématique : La méthode utilise les moments géométriques d'ordre $(p, q)$, définis comme des intégrales (ou des sommes pour les images discrètes) des intensités de pixels pondérées par les coordonnées spatiales. Pour atteindre l'invariance, les auteurs emploient des moments géométriques centraux normalisés ($\nu_{pq}$), qui sont invariants par translation et mise à l'échelle uniforme dans le modèle continu.
2. Construction du Descripteur : Pour une image $I$, un descripteur de moments $M_N(I)$ est construit comme un ensemble ordonné de moments centraux normalisés non triviaux jusqu'à un ordre fixe $N$. L'article fixe $N=4$, utilisant 12 moments informatifs (excluant les termes triviaux d'ordre zéro et d'ordre un).
3. Définition de la Métrique : MSIQ est définie comme la distance entre les descripteurs de moments de l'image de vérité terrain ($I_{GT}$) et de l'image super-résolue ($I_{SR}$). Deux variantes sont proposées :
   • MSIQ$_{RMSE}$ : L'erreur quadratique moyenne entre les composantes de moments correspondantes.
   • MSIQ$_{W}$ : Une version pondérée réduisant l'influence des moments d'ordre supérieur, plus sensibles au bruit de discrétisation.
4. Propriétés Clés :
   • Sans Redimensionnement : Puisque les moments sont invariants d'échelle, $I_{GT}$ et $I_{SR}$ peuvent être comparés directement à leurs résolutions natives, éliminant les erreurs d'interpolation.
   • Sans Modèle : Le calcul est purement analytique et ne repose pas sur des réseaux de neurones pré-entraînés.
   • Spécificité Géométrique : La métrique est conçue pour être invariante à la mise à l'échelle uniforme mais sensible aux déformations anisotropes, au cisaillement, à la rotation et aux distorsions de perspective.

Contributions Clés
L'article expose quatre contributions principales :

1. Cadre Conceptuel : Il propose d'évaluer les résultats de la SISR en vérifiant l'intégrité des descripteurs de moments invariants d'échelle, déplaçant la comparaison de l'espace des pixels vers un espace de caractéristiques éliminant la dépendance méthodologique au redimensionnement forcé.
2. Mesure Analytique : Il introduit MSIQ comme une métrique déterministe et sans modèle quantifiant la stabilité de la structure géométrique des moments d'une image sous transformations d'échelle.
3. Sélectivité Géométrique : La validation expérimentale démontre que MSIQ possède une forte « spécificité géométrique », séparant efficacement les déformations géométriques des artefacts non géométriques comme la compression JPEG, une capacité absente des métriques standard basées sur les pixels et des métriques perceptuelles.
4. Distinction Méthodologique : L'article distingue deux caractéristiques de métrique : la capacité de suivi (la capacité à suivre de manière monotone l'augmentation de l'intensité de la distorsion) et la spécificité géométrique (la capacité à distinguer les distorsions géométriques des distorsions non géométriques). Il soutient qu'une forte capacité de suivi n'implique pas une forte spécificité géométrique.

Résultats Expérimentaux
Les auteurs ont mené quatre séries d'expériences pour valider MSIQ :

• Invariance d'Échelle : MSIQ est restée stable (valeurs $\approx 10^{-7}$ à $10^{-6}$) sous mise à l'échelle uniforme sans redimensionnement. À l'inverse, le PSNR et le SSIM ont montré une instabilité significative (dispersion médiane de 5,28 dB pour le PSNR) lorsque le redimensionnement forcé était appliqué, avec des valeurs extrêmes survenant dans des cas dégénérés.
• Spécificité Géométrique : Dans des tests contrôlés impliquant une mise à l'échelle anisotrope, un cisaillement, une rotation et une distorsion de perspective versus une compression JPEG, MSIQ a démontré un rapport de réponse géométrique/JPEG ($RM$) d'environ 71 pour une dégradation modérée ($\lambda=0,20$) et 161 pour une dégradation faible ($\lambda=0,05$). À l'inverse, des métriques perceptuelles comme DISTS ont montré un $RM$ proche de 1, échouant à distinguer les erreurs géométriques de la compression.
• Validation d'Algorithmes SISR : Lorsqu'appliquée aux sorties d'interpolateurs classiques et de modèles de Réseaux de Neurones Profonds (DNN) (par exemple, EDSR, FSRCNN), MSIQ a maintenu une forte spécificité géométrique ($RM \approx 122$) et une stabilité architecturale (variations < 5 % entre les classes d'algorithmes).
• Validation sur Références : Sur des ensembles de données standards (Set5, Set14, Urban100), MSIQ a préservé sa spécificité géométrique ($RM \approx 100$), confirmant sa robustesse à travers des contenus d'image divers.

Signification et Revendications
L'article positionne MSIQ non pas comme un remplacement des métriques à usage général (PSNR, SSIM, LPIPS) mais comme un outil diagnostique complémentaire. Sa signification réside dans la réponse à un créneau spécifique : le contrôle objectif de l'intégrité structurelle et de la fidélité géométrique.

Les auteurs affirment que MSIQ est particulièrement critique pour les domaines où la correction géométrique prime sur le naturel perceptuel, tels que l'imagerie médicale, la télédétection et la visualisation technique. Dans ces domaines, préserver les proportions des objets et l'organisation spatiale est essentiel, et les métriques standard peuvent échouer à détecter des anomalies géométriques subtiles invisibles aux mesures d'erreur pixel par pixel ou aux modèles perceptuels. L'article conclut que MSIQ comble une lacune dans le paradigme d'évaluation en fournissant une évaluation de la qualité de reconstruction SISR invariante d'échelle, sans redimensionnement et spécifique à la géométrie.