Training-Free No-Reference Image Quality Assessment Using a Content-Independent Graph Fourier Watermark

Imaginez que vous envoyez une peinture précieuse et fragile à travers le monde. Vous savez qu'elle sera bousculée, qu'un peu de pluie pourrait peut-être l'atteindre, ou que le camion emprunteront une route cahoteuse. Lorsqu'elle arrive enfin chez votre ami, vous voulez savoir : Quel dommage a-t-elle subi ? Habituellement, pour répondre à cela, il faudrait comparer la peinture arrivée à l'originale que vous avez gardée dans votre coffre-fort. Mais et si vous n'avez pas l'originale ? Et si l'originale est enfermée dans une salle de serveurs à des kilomètres de là, ou si la société de livraison a perdu l'enregistrement de ce à quoi elle ressemblait au départ ? C'est un problème énorme pour quiconque envoie des images via Internet, comme une université envoyant des diapositives de cours ou un site d'actualités publiant des photos. Ils ont besoin d'un moyen de savoir si l'image est toujours "assez bonne" sans jamais avoir à revoir la version pristine.

Pour résoudre cela, les scientifiques ont essayé une astuce ingénieuse appelée « tatouage numérique » (digital watermarking). Pensez à cela comme si vous glissiez une petite note invisible à l'intérieur de la peinture avant de l'expédier. Cette note voyage avec la peinture, subit la même pluie et les mêmes secousses, et quand elle arrive, vous vérifiez la note. Si la note est déchirée ou décolorée, vous savez que la peinture a probablement été endommagée aussi. Le défi consiste à créer une note si subtile qu'elle ne gâche pas le tableau, mais assez forte pour vous dire exactement l'ampleur des dégâts. Cette publication explore une nouvelle façon d'écrire cette note en utilisant un outil mathématique appelé « Transformée de Fourier sur Graphe » (Graph Fourier Transform), qui est comme une lentille spéciale qui regarde la structure de l'image plutôt que simplement ses couleurs. L'objectif est de créer un système capable de deviner parfaitement la qualité d'une image endommagée, sans jamais avoir besoin de données d'entraînement ou d'une copie de référence, simplement en lisant la note invisible.

La note invisible et le treillis magique

Les chercheurs derrière cette étude se sont posé une question simple mais difficile : Pouvons-nous construire un système de contrôle de qualité qui n'a pas besoin d'« apprendre » à partir de milliers d'exemples et qui ne change pas de stratégie pour chaque image ? La plupart des systèmes modernes sont comme des étudiants qui mémorisent des réponses dans un manuel ; ils ont besoin d'une immense bibliothèque d'images « bonnes » et « mauvaises » pour apprendre quoi chercher. Cette publication propose un système qui ressemble davantage à un maître détective qui connaît quelques règles inviolables.

Le cœur de leur idée est une carte « fixe ». Imaginez que vous avez une grille de 64 petites tuiles (un bloc de 8x8) qui compose une partie d'une image. Habituellement, pour analyser ces tuiles, vous pourriez construire une carte personnalisée basée sur les couleurs à l'intérieur de celles-ci. Mais l'auteur a décidé d'utiliser une carte qui ne change jamais, peu importe l'aspect de l'image. Ils appellent cela une Transformée de Fourier sur Graphe par Bloc (Block-Graph Fourier Transform). C'est comme avoir un squelette unique et rigide qui s'adapte parfaitement à chaque image. Comme ce squelette est basé uniquement sur la forme de la grille (la géométrie) et non sur le contenu de l'image, l'expéditeur de l'image et le destinataire peuvent tous deux construire exactement le même squelette sans jamais se parler. Pas de codes secrets, pas de paquets de données supplémentaires — juste l'image et les mathématiques partagées.

Planter la graine

Voici comment ils utilisent cette carte fixe. Avant d'envendre une image, ils plantent une petite « graine » (un tatouage numérique) dans les parties de moyenne fréquence de la grille de l'image. Ils utilisent une technique appelée Modulation par Indice de Quantification (Quantization Index Modulation), qui est une façon sophistiquée de dire qu'ils modifient très légèrement les nombres dans l'image juste assez pour encoder un « 0 » ou un « 1 » secret sans que personne ne le remarque.

Ils ont trouvé le point d'équilibre idéal : un seul « pas de quantification » global (un pas de 6,0) qui fonctionne pour chaque image testée. Ils n'ont pas eu besoin de l'ajuster pour une photo de chat ou une photo de montagne. Ce réglage unique a permis de garder les images tatouées si bonnes que leur score de qualité (PSPS/PSNR) est resté supérieur à 40 dB pour les 39 images de test, avec une moyenne de 42,65 dB. Pour donner un ordre d'idée, l'œil humain ne peut généralement pas distinguer la différence entre la version originale et la version tatouée à ce niveau.

Lire les dommages

Lorsque l'image arrive à destination, elle peut être floue, pixélisée ou bruitée. Le destinataire n'a pas l'originale, mais il possède la carte fixe. Il fait passer l'image à travers la carte à nouveau pour trouver la « graine » qu'il a plantée.

C'est ici que la publication est ingénieuse. S'ils se contentaient de compter combien de « 0 » se sont transformés en « 1 » (le taux d'erreur binaire), ils se heurteraient à un mur. Parfois, le dommage est si subtil que la graine est encore lisible, mais elle vacille. D'autres fois, le dommage est si grave que la graine a complètement disparu, et le taux d'erreur stagne à 50 % (pur hasard), ne donnant aucun indice sur l'ampleur du problème.

Pour corriger cela, l'auteur ne s'est pas contenté de compter les erreurs. Il a créé un « score de dégradation » en trois parties :

1. Taux d'erreur binaire (Bit Error Rate) : Combien de bits sont erronés ?
2. Score de confiance (Confidence Score) : À quel point les bits étaient-ils proches de l'erreur ? (Comme voir une pièce de monnaie atterrir sur sa tranche).
3. Moment résiduel (Residual Moment) : Une mesure de l'oscillation des nombres.

En mélangeant ces trois indices, ils ont créé un « indice de dégradation ». Cet indice est ensuite injecté dans une Courbe de Cartographie Idéale (Ideal Mapping Curve). Voyez cette courbe comme un traducteur qui transforme le « score de vacillement » en un chiffre de qualité (comme le PSNR). Ils ont construit cette courbe à l'aide d'un petit ensemble d'images de « calibration », puis l'ont testée sur des images qu'elle n'avait jamais vues auparavant.

Les résultats : Un détective en boucle fermée

Le système possède une caractéristique de « boucle fermée », qui est comme un détective qui vérifie son propre travail. Si l'estimation initiale est erronée, le système effectue un ajustement calculé pour se rapprocher de la vérité.

Les résultats ont été impressionnants. À travers sept types différents de dommages (comme la compression JPEG, le flou et le bruit) et quatre façons différentes de mesurer la qualité, le système a amélioré sa précision dans toutes les 28 combinaisons testées.

• Pour cinq des types de dommages, le système pouvait estimer la qualité (PSNR) à 0,35 ou 0,73 dB près de la valeur réelle.
• Dans 22 cas sur 28, l'amélioration était statistiquement significative, ce qui signifie qu'elle n'était pas due au hasard.

Cependant, la publication est très honnête sur ses difficultés. Lorsque le dommage était un bruit additif simple (comme de la neige sur un écran de télévision), le système n'a pas pu faire beaucoup mieux qu'une certaine limite. Pourquoi ? Parce que dans ces cas, la qualité est déterminée presque entièrement par la quantité de bruit ajoutée, et non par l'image elle-même. La « note » à l'intérieur de l'image ne pouvait pas faire la différence entre un chat bruité et une montagne bruitée. L'auteur déclare explicitement que pour ces cas de bruit spécifiques, le système atteint un plafond, et ils ne prétendent pas avoir résolu ce mystère.

Pourquoi cela importe

Cette publication démontre que vous n'avez pas besoin d'un super-ordinateur ou d'une base de données massive d'opinions humaines pour juger la qualité d'une image. Vous pouvez utiliser un « squelette » mathématique fixe et une manière ingénieuse de lire les notes invisibles pour obtenir une estimation très précise. Cela fonctionne bien pour la compression JPEG, le flou et la décoloration, et cela surpasse de nombreux systèmes complexes basés sur l'apprentissage pour ces tâches spécifiques.

Mais l'auteur prend soin de ne pas trop survendre son travail. Il admet que si cela fonctionne très bien sur des images de test synthétiques, nous ne savons pas encore si cela survivra au « vrai » Internet, où les images sont redimensionnées, réencodées et compressées de manières qu'ils n'ont pas testées. Il note également que ce système mesure la qualité objective (des chiffres mathématiques), et non nécessairement le plaisir humain (est-ce qu'une personne a aimé l'image ?).

En résumé, il s'agit d'un outil robuste, sans apprentissage préalable, capable de vous dire précisément à quel point une image a été endommagée par des processus numériques courants, à condition d'avoir planté la note avant qu'elle ne quitte le bâtiment. C'est une étape vers un monde où nous pourrons faire confiance aux images que nous envoyons et recevons pour savoir qu'elles n'ont pas été gâchées par le voyage, même si nous ne voyons jamais l'originale.