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

Riepilogo Tecnico: MSIQ – Misura di Qualità Invariante alla Scala Basata su Momenti per la Super-Risoluzione di Singola Immagine

Enunciato del Problema
La valutazione dei risultati della Super-Risoluzione di Singola Immagine (SISR) rimane una sfida metodologica. Le metriche standard di riferimento completo, come PSNR e SSIM, valutano principalmente errori pixel per pixel o similarità strutturali locali, ma non riescono a valutare esplicitamente la preservazione della struttura geometrica globale. Inoltre, queste metriche richiedono che l'immagine di riferimento ($I_{GT}$) e l'immagine super-risolta ($I_{SR}$) siano ridimensionate alle stesse dimensioni prima del confronto. Questo "ridimensionamento forzato" introduce errori di interpolazione esterni non correlati alle prestazioni del modello SISR, contaminando di conseguenza la valutazione. Sebbene le metriche percettive (ad esempio, LPIPS, DISTS) si allineino meglio alla visione umana, spesso mancano di specificità geometrica, non riuscendo a distinguere tra deformazioni geometriche (ad esempio, scala anisotropa, taglio) e artefatti non geometrici (ad esempio, compressione JPEG). Il lavoro affronta la necessità di uno strumento diagnostico che valuti la fedeltà geometrica senza richiedere ridimensionamento forzato e che possa distinguere le anomalie geometriche da altre distorsioni.

Metodologia
La soluzione proposta, MSIQ (Moment-based Scale-Invariant Quality), è una metrica di riferimento completo che confronta le immagini nello spazio dei momenti geometrici centrali normalizzati piuttosto che nello spazio dei pixel.

1. Fondamento Matematico: Il metodo utilizza momenti geometrici di ordine $(p, q)$, definiti come integrali (o somme per immagini discrete) delle intensità dei pixel ponderate per le coordinate spaziali. Per ottenere l'invarianza, gli autori impiegano momenti geometrici centrali normalizzati ($\nu_{pq}$), che sono invarianti rispetto alla traslazione e alla scala uniforme nel modello continuo.
2. Costruzione del Descrittore: Per un'immagine $I$, un descrittore di momento $M_N(I)$ è costruito come un insieme ordinato di momenti geometrici centrali normalizzati non banali fino a un ordine fisso $N$. Il lavoro fissa $N=4$, utilizzando 12 momenti informativi (escludendo i termini banali di ordine zero e primo).
3. Definizione della Metrica: MSIQ è definita come la distanza tra i descrittori di momento dell'immagine ground-truth ($I_{GT}$) e dell'immagine super-risolta ($I_{SR}$). Vengono proposte due varianti:
   • MSIQ$_{RMSE}$: L'errore quadratico medio tra i componenti di momento corrispondenti.
   • MSIQ$_{W}$: Una versione ponderata che riduce l'influenza dei momenti di ordine superiore, che sono più sensibili al rumore di discretizzazione.
4. Proprietà Chiave:
   • Senza Ridimensionamento: Poiché i momenti sono invarianti alla scala, $I_{GT}$ e $I_{SR}$ possono essere confrontati direttamente alle loro risoluzioni native, eliminando gli errori di interpolazione.
   • Senza Modello: Il calcolo è puramente analitico e non si basa su reti neurali pre-addestrate.
   • Specificità Geometrica: La metrica è progettata per essere invariante rispetto alla scala uniforme ma sensibile a deformazioni anisotrope, taglio, rotazione e distorsioni prospettiche.

Contributi Principali
Il lavoro delinea quattro contributi principali:

1. Quadro Concettuale: Propone di valutare i risultati SISR verificando l'integrità dei descrittori di momento invarianti alla scala, spostando il confronto dallo spazio dei pixel a uno spazio delle caratteristiche che elimina la dipendenza metodologica dal ridimensionamento forzato.
2. Misura Analitica: Introduce MSIQ come una metrica deterministica e senza modello che quantifica la stabilità della struttura geometrica dei momenti di un'immagine sotto trasformazioni di scala.
3. Selettività Geometrica: La validazione sperimentale dimostra che MSIQ possiede un'elevata "specificità geometrica", separando efficacemente le deformazioni geometriche dagli artefatti non geometrici come la compressione JPEG, una capacità mancante nelle metriche standard basate sui pixel e percettive.
4. Distinzione Metodologica: Il lavoro distingue tra due caratteristiche della metrica: capacità di tracciamento (la capacità di tracciare monotonicamente l'aumento dell'intensità della distorsione) e specificità geometrica (la capacità di distinguere le distorsioni geometriche da quelle non geometriche). Sostiene che un'elevata capacità di tracciamento non implica un'elevata specificità geometrica.

Risultati Sperimentali
Gli autori hanno condotto quattro serie di esperimenti per validare MSIQ:

• Invarianza alla Scala: MSIQ è rimasta stabile (valori $\approx 10^{-7}$ a $10^{-6}$) sotto scala uniforme senza ridimensionamento. Al contrario, PSNR e SSIM hanno mostrato significativa instabilità (dispersione mediana di 5,28 dB per PSNR) quando è stato applicato il ridimensionamento forzato, con valori estremi che si verificavano in casi degeneri.
• Specificità Geometrica: In test controllati che coinvolgevano scala anisotropa, taglio, rotazione e distorsione prospettica rispetto alla compressione JPEG, MSIQ ha dimostrato un rapporto di risposta geometrica-JPEG ($RM$) di circa 71 a degradazione moderata ($\lambda=0,20$) e 161 a degradazione debole ($\lambda=0,05$). Al contrario, metriche percettive come DISTS hanno mostrato un $RM$ vicino a 1, non riuscendo a distinguere gli errori geometrici dalla compressione.
• Validazione dell'Algoritmo SISR: Quando applicata agli output sia di interpolatori classici che di modelli di Reti Neurali Profonde (DNN) (ad esempio, EDSR, FSRCNN), MSIQ ha mantenuto un'elevata specificità geometrica ($RM \approx 122$) e stabilità architetturale (variazioni < 5% tra le classi di algoritmi).
• Validazione sui Benchmark: Su dataset standard (Set5, Set14, Urban100), MSIQ ha preservato la sua specificità geometrica ($RM \approx 100$), confermando la sua robustezza su contenuti di immagine diversi.

Significato e Affermazioni
Il lavoro posiziona MSIQ non come sostituto delle metriche generiche (PSNR, SSIM, LPIPS) ma come strumento diagnostico complementare. Il suo significato risiede nell'affrontare una nicchia specifica: il controllo oggettivo dell'integrità strutturale e della fedeltà geometrica.

Gli autori affermano che MSIQ è particolarmente critica per i domini in cui la correttezza geometrica ha priorità sulla naturalezza percettiva, come imaging medico, telerilevamento e visualizzazione tecnica. In questi campi, preservare le proporzioni degli oggetti e l'organizzazione spaziale è essenziale, e le metriche standard potrebbero non rilevare sottili anomalie geometriche invisibili alle misure di errore pixel per pixel o ai modelli percettivi. Il lavoro conclude che MSIQ colma una lacuna nel paradigma di valutazione fornendo una valutazione della qualità di ricostruzione SISR invariante alla scala, senza ridimensionamento e specifica per la geometria.