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

Resumo Técnico: MSIQ – Medida de Qualidade Invariante à Escala Baseada em Momentos para Super-Resolução de Imagem Única

Declaração do Problema
A avaliação dos resultados da Super-Resolução de Imagem Única (SISR) permanece um desafio metodológico. Métricas de referência completa padrão, como PSNR e SSIM, avaliam principalmente erros pixel a pixel ou similaridades estruturais locais, mas falham em avaliar explicitamente a preservação da estrutura geométrica global. Além disso, essas métricas exigem que a imagem de referência ($I_{GT}$) e a imagem super-resolvida ($I_{SR}$) sejam redimensionadas para as mesmas dimensões antes da comparação. Esse "redimensionamento forçado" introduz erros de interpolação externos que não estão relacionados ao desempenho do modelo de SISR, contaminando assim a avaliação. Embora métricas perceptuais (por exemplo, LPIPS, DISTS) se alinhem melhor à visão humana, elas frequentemente carecem de especificidade geométrica, falhando em distinguir entre deformações geométricas (por exemplo, escalonamento anisotrópico, cisalhamento) e artefatos não geométricos (por exemplo, compressão JPEG). O artigo aborda a necessidade de uma ferramenta de diagnóstico que avalie a fidelidade geométrica sem exigir redimensionamento forçado e possa distinguir anomalias geométricas de outras distorções.

Metodologia
A solução proposta, MSIQ (Qualidade Invariante à Escala Baseada em Momentos), é uma métrica de referência completa que compara imagens no espaço de momentos geométricos centrais normalizados, em vez do espaço de pixels.

1. Fundamento Matemático: O método utiliza momentos geométricos de ordem $(p, q)$, definidos como integrais (ou somas para imagens discretas) das intensidades dos pixels ponderadas por coordenadas espaciais. Para alcançar invariância, os autores empregam momentos geométricos centrais normalizados ($\nu_{pq}$), que são invariantes a translação e escalonamento uniforme no modelo contínuo.
2. Construção do Descritor: Para uma imagem $I$, um descritor de momento $M_N(I)$ é construído como um conjunto ordenado de momentos centrais normalizados não triviais até uma ordem fixa $N$. O artigo fixa $N=4$, utilizando 12 momentos informativos (excluindo termos triviais de ordem zero e primeira ordem).
3. Definição da Métrica: O MSIQ é definido como a distância entre os descritores de momento da imagem de referência ($I_{GT}$) e da imagem super-resolvida ($I_{SR}$). Duas variantes são propostas:
   • MSIQ$_{RMSE}$: O erro quadrático médio entre os componentes de momento correspondentes.
   • MSIQ$_{W}$: Uma versão ponderada que reduz a influência de momentos de ordem superior, que são mais sensíveis ao ruído de discretização.
4. Propriedades Chave:
   • Sem Redimensionamento: Como os momentos são invariantes à escala, $I_{GT}$ e $I_{SR}$ podem ser comparados diretamente em suas resoluções nativas, eliminando erros de interpolação.
   • Sem Modelo: O cálculo é puramente analítico e não depende de redes neurais pré-treinadas.
   • Especificidade Geométrica: A métrica é projetada para ser invariante ao escalonamento uniforme, mas sensível a deformações anisotrópicas, cisalhamento, rotação e distorções de perspectiva.

Contribuições Principais
O artigo delineia quatro contribuições primárias:

1. Estrutura Conceitual: Propõe avaliar os resultados de SISR verificando a integridade dos descritores de momento invariantes à escala, deslocando a comparação do espaço de pixels para um espaço de características que elimina a dependência metodológica do redimensionamento forçado.
2. Medida Analítica: Introduz o MSIQ como uma métrica determinística e sem modelo que quantifica a estabilidade da estrutura geométrica de momentos de uma imagem sob transformações de escala.
3. Seletividade Geométrica: A validação experimental demonstra que o MSIQ possui alta "especificidade geométrica", separando efetivamente deformações geométricas de artefatos não geométricos como compressão JPEG, uma capacidade ausente em métricas padrão baseadas em pixels e perceptuais.
4. Distinção Metodológica: O artigo distingue entre duas características de métricas: capacidade de rastreamento (a capacidade de rastrear monotonicamente o aumento da força da distorção) e especificidade geométrica (a capacidade de distinguir distorções geométricas de não geométricas). Argumenta-se que alta capacidade de rastreamento não implica alta especificidade geométrica.

Resultados Experimentais
Os autores conduziram quatro séries de experimentos para validar o MSIQ:

• Invariância à Escala: O MSIQ permaneceu estável (valores $\approx 10^{-7}$ a $10^{-6}$) sob escalonamento uniforme sem redimensionamento. Em contraste, PSNR e SSIM mostraram instabilidade significativa (dispersão mediana de 5,28 dB para PSNR) quando o redimensionamento forçado foi aplicado, com valores extremos ocorrendo em casos degenerados.
• Especificidade Geométrica: Em testes controlados envolvendo escalonamento anisotrópico, cisalhamento, rotação e distorção de perspectiva versus compressão JPEG, o MSIQ demonstrou uma razão de resposta geométrica-a-JPEG ($RM$) de aproximadamente 71 em degradação moderada ($\lambda=0,20$) e 161 em degradação fraca ($\lambda=0,05$). Por outro lado, métricas perceptuais como DISTS mostraram uma $RM$ próxima de 1, falhando em distinguir erros geométricos de compressão.
• Validação de Algoritmos de SISR: Quando aplicado a saídas de interpoladores clássicos e modelos de Rede Neural Profunda (DNN) (por exemplo, EDSR, FSRCNN), o MSIQ manteve alta especificidade geométrica ($RM \approx 122$) e estabilidade arquitetural (variações < 5% entre classes de algoritmos).
• Validação em Benchmarks: Em conjuntos de dados padrão (Set5, Set14, Urban100), o MSIQ preservou sua especificidade geométrica ($RM \approx 100$), confirmando sua robustez em diversos conteúdos de imagem.

Significado e Alegações
O artigo posiciona o MSIQ não como um substituto para métricas de propósito geral (PSNR, SSIM, LPIPS), mas como uma ferramenta de diagnóstico complementar. Seu significado reside em abordar um nicho específico: o controle objetivo da integridade estrutural e da fidelidade geométrica.

Os autores afirmam que o MSIQ é particularmente crítico para domínios onde a correção geométrica é prioridade sobre a naturalidade perceptual, como imagem médica, sensoriamento remoto e visualização técnica. Nesses campos, preservar proporções de objetos e organização espacial é essencial, e métricas padrão podem falhar em detectar anomalias geométricas sutis que são invisíveis para medidas de erro pixel a pixel ou modelos perceptuais. O artigo conclui que o MSIQ preenche uma lacuna no paradigma de avaliação, fornecendo uma avaliação de qualidade de reconstrução de SISR invariante à escala, sem redimensionamento e específica à geometria.