An Edge-Based Formulation for the Exact Computation of High-Order Zernike Moments of 2D Shapes and Images

Résumé Technique : Une formulation basée sur les contours pour le calcul exact des moments de Zernike d'ordre élevé de formes et d'images 2D

Énoncé du problème
Les moments de Zernike sont des descripteurs de rotation-invariance établis, utilisés de manière extensive dans l'analyse de formes, la reconnaissance de formes et l'imagerie médicale. Cependant, leur calcul standard repose sur une quadrature par pixels qui approxime l'intégrale d'une image continue par une somme de Riemann sur les centres des pixels, traitant chaque pixel comme une masse ponctuelle (fonction $\delta$ de Dirac). Cette approximation introduit deux limitations critiques :

1. Aliasing spatial : À mesure que l'ordre du moment augmente, les polynômes radiaux oscillent à des échelles comparables ou inférieures à un seul pixel. Le modèle de masse ponctuelle ne parvient pas à capturer cette étendue spatiale, ce qui entraîne des erreurs de discrétisation significatives.
2. Instabilité numérique : À des ordres élevés (typiquement $n \gtrsim 50$), l'accumulation d'erreurs de virgule flottante et l'aliasing dégradent la précision des moments. Cela se manifeste dans la reconstruction d'images par des « pixels fantômes » (valeurs spécieuses aux localisations antipodales) et réduit le pouvoir discriminatif des descripteurs dans les tâches de classification.

Bien que des travaux antérieurs aient traité la stabilité numérique de l'évaluation des polynômes radiaux via des relations de récurrence, la source fondamentale de l'erreur — le décalage géométrique entre les fonctions de base continues et la grille de pixels discrète — reste non traitée dans les implémentations standards.

Méthodologie
Les auteurs proposent une approche fondamentalement différente qui élimine l'erreur de discrétisation en appliquant le théorème de Green pour transformer l'intégrale de surface bidimensionnelle définissant un moment de Zernike en une somme d'intégrales de ligne unidimensionnelles le long des contours de l'image.

1. Transformation par le théorème de Green :
   Au lieu de sommer sur les centres des pixels, la méthode traite l'image (ou la forme) comme un domaine délimité par des contours polygonaux par morceaux. L'intégrale de surface sur un domaine $D$ est convertie en une intégrale de ligne le long de la frontière $\partial D$. Pour une forme polygonale ou une image matricielle décomposée en régions d'intensité constante, le moment total est la somme des contributions de chaque segment.

2. Intégration exacte sur les segments :
   Il est démontré que l'intégrande le long d'un segment est une fonction polynomiale du paramètre $t$ du segment. Spécifiquement, la primitive radiale $Q_n^m(r)$ et la composante angulaire sont combinées de telle sorte que l'intégrande résultant $A_n^m(t)$ est un polynôme de degré au plus $n$.

   • Relations de récurrence : Les auteurs dérivent des relations de récurrence pour les primitives radiales $Q_n^m(r)$, $S_n^m(r)$ et les polynômes radiaux $R_n^m(r)$ afin de calculer ces valeurs efficacement sans annulation catastrophique.
   • Quadrature : Parce que l'intégrande transformé est un polynôme, l'intégrale de ligne peut être évaluée exactement à l'aide d'une quadrature numérique. Les auteurs utilisent la quadrature de Clenshaw–Curtis, qui permet un raffinement adaptatif efficace et la réutilisation des évaluations de fonctions à travers différents ordres de moments.

3. Applicabilité :

   • Données de contour : La méthode s'applique directement aux formes vectorielles définies par des contours polygonaux fermés, calculant les moments sans aucune référence à une grille de pixels.
   • Images matricielles (Raster) : Pour les images numériques, la méthode traite l'image comme un maillage de cellules carrées. L'intégration est effectuée le long des bords entre les pixels. Crucialement, les bords partagés par des pixels adjacents avec une intensité identique s'annulent ($\Delta I = 0$), ce qui signifie que le calcul est effectivement proportionnel au nombre de frontières actives (bords avec des gradients d'intensité) plutôt qu'au nombre total de pixels.
   • Images en couleur : Le cadre s'étend aux images en couleur en représentant les pixels comme des quaternions purs et en calculant les Moments de Zernike Quaternioniques (QZM), capturant les corrélations entre les canaux RGB.

Contributions clés

1. Formulation exacte basée sur les contours : La dérivation d'une formule exacte pour les moments de Zernike de régions délimitées par des contours polygonaux par morceaux, exprimée comme une somme d'intégrales de ligne. Cette formulation n'introduit aucune erreur de discrétisation ou de quadrature.
2. Extension aux images matricielles : Une adaptation du formalisme pour calculer les moments de Zernike exacts pour des images matricielles à intensité constante par morceaux. Cela fournit l'intégrale exacte de l'image à morceaux constants, contrastant avec l'approximation standard par masse ponctuelle.
3. Efficacité algorithmique : La réduction de l'intégrale de surface 2D en intégrales de ligne 1D réduit la complexité de calcul théorique de l'intégration exacte de $O(N^4)$ (pour une quadrature de surface 2D exacte) à $O(N^3)$ (où $N$ est l'ordre maximum). En pratique, la quadrature adaptative permet souvent d'obtenir une mise à l'échelle quasi-linéaire avec le nombre de moments.
4. Validation complète : Les auteurs fournissent des preuves expérimentales à travers la reconstruction d'images, l'analyse de formes et la classification de caractères.

Résultats
Des expériences numériques sur des images de complexités variées (images de couleurs naturelles, engrenages géométriques, tests à un seul pixel, codes QR et caractères chinois) démontrent :

• Ordres faibles/modérés : La méthode basée sur les contours correspond à la précision des méthodes classiques basées sur les pixels pour les ordres faibles ($M \le 100$).
• Stabilité à haut ordre : À des ordres élevés ($M = 500$), la méthode basée sur les pixels souffre d'un aliasing sévère.
  • Reconstruction : Les reconstructions par pixels de formes simples (ex: un seul pixel blanc) présentent des « pixels fantômes » aux localisations antipodales dus à la rupture de symétrie. Les reconstructions basées sur les contours restent exemptes d'artéfacts.
  • Codes QR : Les reconstructions par pixels de codes QR se dégradent considérablement à des ordres élevés, devenant méconnaissables, tandis que les reconstructions basées sur les contours restent nettes et lisibles.
  • Classification : Dans une tâche de classification impliquant 5 caractères chinois, les invariants de Zernike basés sur les pixels ont montré une chute de précision de 96,9 % ($M=100$) à 90,1 % ($M=500$). En revanche, les invariants basés sur les contours ont maintenu et légèrement amélioré la précision, atteignant 97,3 % à $M=500$.
• Coût de calcul : La méthode basée sur les contours est actuellement plus lente (37 à 74 fois) que la méthode basée sur les pixels pour des tailles d'images standards en raison de l'évaluation des intégrales de ligne. Cependant, la méthode est trivialement parallélisable, et la charge de calcul est proportionnelle au périmètre de l'image (bords actifs) plutôt qu'à sa surface.

Signification et Revendications
L'article affirme que la formulation basée sur les contours proposée résout le problème de longue date de l'aliasing spatial dans le calcul des moments de Zernike d'ordre élevé. En traitant l'image comme un champ continu constant par morceaux et en intégrant exactement sur les frontières, la méthode atteint une exactitude mathématique que les approximations par pixels ne peuvent atteindre.

Les auteurs soulignent que, bien que l'apprentissage profond soit devenu dominant dans l'analyse d'images, les descripteurs basés sur les moments restent vitaux pour les applications exigeant de l'explicabilité, des données d'entraînement limitées et une caractérisation géométrique précise. La méthode proposée garantit que ces descripteurs restent stables et discriminants même à des ordres élevés, là où les méthodes traditionnelles échouent. Ce travail suggère que ce cadre n'est pas seulement une amélioration théorique, mais une nécessité pratique pour les tâches d'analyse de forme et de reconstruction de haute fidélité impliquant des moments d'ordre élevé. Les directions futures mentionnées incluent la généralisation de l'approche à d'autres moments orthogonaux (Legendre, Chebyshev) et l'extension de la formulation aux moments de Zernike 3D calculés à partir de maillages de surfaces polygonaux.