3rd International Conference: Sciences of Electronic, Technologies of Information and Telecommunications March 27-31, 2005 TUNISIA

SETIT 2005

Mesure de la qualit des images par lutilisation de la loi de Weber

Habiba Loukil Hadj Kacem , Mohamed Salim Bouhlel
Loukil_habiba@voil.fr medsalim.bouhlel@enis.rnu.tn Rsum: La qualit des images est devenue un critre primordial pour tout traitement. Par relation de cause effet, il est devenu indispensable de pouvoir juger de la qualit de l'image aprs traitement par rapport l'image initiale. De nombreux auteurs ont propos des descripteurs pour dcrire la qualit ou l'aspect naturel des images. Mais il est vident qu'une forte corrlation entre les rsultats obtenus et la perception visuelle humaine est indispensable. Nous nous dmarquons par rapport aux tendances actuelles en vitant de dvelopper des mesures purement mathmatiques (de type PSNR), ou compltement inspire du SVH (Systme Visuel Humain). En effet, notre nouvelle mtrique note rPSNR, dveloppe au sein de notre unit, est base sur lutilisation dune loi qui tient compte du systme visuelle humain, cest la loi de Weber. Cette loi traduit une perception logarithmique de lil la lumire. Cette proprit nous a conduit dvelopper une mtrique qui tient compte de la diffrence relative des images et non pas de la diffrence absolue (cas du PSNR). Nous lavons compar au PSNR. Cette mesure sest rvle trs corrle lapprciation visuelle humaine pour les images traites. Mots cls : Mtrique, PSNR, loi de Weber, rPSNR humain. Parmi les nombreuses mthodes dveloppes on peut notamment citer les travaux de Pappas et Safranek [5] et ceux de Senane, Saadane et Barba [2]. Les mthodes perceptuelles ont cependant linconvnient dtre lourdes mettre en uvre et ne donnent pas satisfaction sur toutes les images [7]. Pour remdier ces problmes, notre mthode dcrite dans cet article est base sur une approche diffrente et simple modliser qui est lutilisation de la loi de Weber.

1 Introduction
La perte dinformation cause par un traitement se traduit par une altration de limage dorigine, il est indispensable de pouvoir valuer cette perte de qualit de limage altre par rapport limage dorigine. Une premire faon de procder est de faire appel des observateurs humains pour valuer les images. Cependant, cette mthode prsente plusieurs dfauts : dabord elle fait appel la subjectivit de ltre humain, et de ce fait tous les observateurs nvalueront pas les images de la mme manire. De plus, elle ne fournit quun rsultat qualitatif, alors que lon aimerait avoir un rsultat quantitatif. Et enfin, lvaluation humaine des images est fastidieuse et devient difficile mettre en uvre quand le nombre dimages traiter est important. Cest pourquoi des mthodes permettant dvaluer automatiquement la qualit dune image dgrade ont t proposes. Certaines de ces mthodes utilisent un critre mathmatique comme le PSNR, la MSE ou lentropie des histogrammes normaliss pour mesurer la distorsion entre limage originale et limage dgrade. Cependant, les rsultats de ce t pe de mthode ne y correspondent pas toujours limpression visuelle. Dautres mthodes utilisent des critres perceptuels qui sont bass sur une modlisation du systme visuel

2 Introduction de la nouvelle mtrique

2.1 Loi de Weber E. H. Weber, physiologiste et anatomiste (1795-1878), qui fut conduit par ses recherches sur les sensations, particulirement tactiles et visuelles, a pass de la physiologie la psychologie. Il en vint conclure que la quantit d'excitation ncessaire pour discerner une premire sensation d'une seconde est en rapport constant et dterminable - avec la sensation initiale. Si cette quantit est augmente peu peu, la sensation premire demeure d'abord inchange et, pour que le sujet peroive l'accroissement (prouve une sensation diffrente marquant le franchissement d'un seuil de conscience), il faut une augmentation d'une certaine importance, proportionnelle la quantit d'excitation premire. De l, cette "loi" de Weber que l'excitation

1/6

SETIT2005 croit ou dcrot d'une manire continue, la sensation, une manire discontinue; et que la quantit d'excitation correspondant un seuil diffrentiel est en rapport fixe avec l'excitation de dpart. De ces premiers travaux de Weber, le philosophe Gustave Fechner (1801.1887) entreprit de dduire mathmatiquement une loi plus prcis e : la sensation crot comme le logarithme de l'excitation [4] [6]. Donc selon la loi de Weber, la mesure de qualit doit tenir compte de la sensibilit logarithmique de lil la lumire. En fait, cette mesure de qualit des images doit tenir compte non pas de la diffrence absolue (cas du PSNR) des deux pixels en question seulement mais aussi de leurs valeurs moyennes puisque, selon la loi de Weber, pour que le sujet peroive l'accroissement, il faut une augmentation d'une certaine quantit, proportionnelle sa valeur initiale. De ce fait, les mesures numriques classiques se trouvent totalement errones. En effet, les critres tels que la MSE et le PSNR sont des critres de mesure absolus qui ne tiennent pas compte des valeurs des pixels d'tude. Ce qui n'est pas conforme aux caractristiques de notre systme visuel humain. 2.2 Notre nouveau critre adapt au HVS: le rPSNR L'ide de base du rPSNR, PSNR relatif se base sur le fait qu'un pixel est jug partir de la diffrence relative avec sa valeur dans limage originale. Ainsi une erreur entre deux pixels de deux images ne peut pas traduire le mme cart d'erreur entre deux pixels de deux autres images ayant la mme diffrence d'intensit. En effet, si la diffrence d'intensit (10) entre deux pixels de valeurs respectives 10 et 20, est numriquement la mme que celle entre une paire de pixels de valeurs 110 et 120. Toutefois, sur le plan visuel la perception diffre. Dans le premier cas, l'erreur est quantifie 100% (20-10). Dans le second cas c'est une erreur quantifiable 10% (120-110) [1]. Ceci nous appelle donc penser la ncessit d'introduire la valeur moyenne des pixels dans le calcul du PSNR[8]. Et donc la nouvelle formule du PSNR relatif est la suivante :
nal (valeurmaximaledusig ) rPSNR=10Log10 rMSE

(1)

avec

rMSE= 1 MN

2* xx((m,,n)) yy((m,,n)) m n + mn
M m= 0 n = 0

(2)

Le paramtre rPSNR mesure globalement lcart relatif entre les pixels de limage originale X et limage dgrade Y. Ce paramtre varie de 0 linfini. Il est dautant plus faible que la distorsion entre les deux images X et Y est importante et il est infini si les deux images sont identiques. M et N reprsentent la taille de limage.

3. Application de notre critre de mesure

Le paramtre rPSNR dfini dans cet article est valu sur des images de test attaques par u varit de ne dgradations [3]. 3.1 La compression JPEG : Nous avons appliqu la compression JPEG sur diffrentes images avec diffrents coefficients de qualit (voir tableau 1). Lorsque nous avons compar la qualit visuelle de ces images et les critres MSE et PSNR, les rsultats sont compltement errons. En fait, cest trs claire que la qualit de limage "Mandrill"est nettement meilleure que celle de limage "Lake", mais les valeurs des MSE et PSNR ne refltent pas ce rsultat. Aussi, limage "Tiffany" reprsente une qualit nettement dgrade par rapport limage "Mandrill" mais elles ont des MSE comparables . Alors que nous avons pu classer ces images par notre nouvelle mtrique. On peut donc dire que le rPSNR donne une valuation de la qualit de limage plus proche de la perception visuelle humaine que le PSNR.

2/6

SETIT2005
Tableau 1.

Image "Mandrill" Originale, 512x512, 8bit/pixel MSE=0, PSNR=Inf, rMSE=0, rPSNR=Inf

Image "Mandrill" compresse avec JPEG. MSE=163,36, PSNR=25.14, rMSE=0.0186, rPSNR=65.13

Image "Lake" Originale, 512x512, 8bit/pixel MSE=0, PSNR=Inf, rMSE=0, rPSNR=Inf

Image "Lake" compresse avec JPEG. MSE=167,53 PSNR=25.4, rMSE=0.033, rPSNR=62.33

Image "Tiffany" Originale, 512x512, 8bit/pixel MSE=0, PSNR=Inf, rMSE=0, rPSNR=Inf

3/6

Image "Tiffany" compresse avec JPEG. MSE=164,PSNR=23.89,rMSE=0.049,rPSNR=58,11

SETIT2005

3.2 Les images floues Aussi nous avons valuer la qualit de diffrents images floues avec les critres classiques et celles

dveloppes dans cet article, toujours les rsultats sont trs avantageux (tableau 2).

Tableau 2.

Image "Man" Originale, 512x512, 8bit/pixel MSE=0, PSNR=Inf, rMSE=0, rPSNR=Inf

Image "Man" brouille. MSE=200,48,PSNR=24.61,rMSE=0.0226,rPSNR=64.09

Image "Barbara" Originale, 512x512, 8bit/pixel MSE=0, PSNR=Inf, rMSE=0, rPSNR=Inf

Image "Barbara" brouille. MSE=200,24,PSNR=24.51,rMSE=0.0184,rPSNR=65.87

3.3 Diffrents types de dgradations Sur limage "couple" nous avons appliqu diffrents types de dgradation : bruit Salt-Pepper, bruit Speckle et compression JPEG (tableau 3). A laide de la nouvelle mtrique rPSNR, on a pu classer ces images, par contre le PSNR et la MSE ne donnent pas des rsultats corrls avec la perception visuelle humaine.

4/6

SETIT2005
Tableau 3.

Image "Couple" Originale, 512x512, 8bit/pixel MSE=0, PSNR=Inf, rMSE=0, rPSNR=Inf

Image "Couple" avec bruit Salt-Pepper. MSE=81,PSNR=29,02,rMSE=0.01,rPSNR=67.92

Image "Couple" avec bruit Speckle. MSE=81,PSNR=29,02,rMSE=0.024,rPSNR=64.15

Image "Couple" compresse JPEG. MSE=82,PSNR=28,96,rMSE=0.032,rPSNR=62.92 Tableau 3

3.4 Conclusion Dans toutes ces valuations, les performances de MSE et PSNR sont extrmement pauvres dans le sens que les images ont presque les mmes MSE et PSNR sont radicalement diffrentes dans leurs qualits visuelles. Par contre, les nouvelles formules rMSE et rPSNR sont plus corrls avec le systme visuel humain

4 Conclusion
Dans cet article, une nouvelle mtrique de qualit des images a t propose. Nous lavons test avec diffrents types de distorsions, les rsultats exprimentaux indiquent que notre mtrique dpasse
5/6

considrablement les performances du MSE. C'est peut-tre surprenant qu'une telle mtrique dfinie simplement donne des rsultats aussi corrles avec le systme visuel humain. Ces rsultats sont trs encourageants comme une premire approche de conception dune mtrique de qualit dimage visant remplacer le PSNR classiquement utilis dans la littrature. Ils confirment notamment la pertinence de concevoir lapproche non seulement partir de lerreur quadratique moyenne mais aussi en intgrant un modle psychovisuel de reprsentation des images pour viser laspect relatif dans ce calcul.

SETIT2005

5 Rfrences
[1] H.Loukil. "Elaboration dune nouvelle approche pour loptimisation de la norme de compression JPEG par lexploitation du SVH", DEA, ENIS, 2003, responsables : Mohamed Salim BOUHLEL et Lotfi KAMOUN. [2] H. Senane, A. Saadane & Dominique Barba: Image coding in the context of a psychovisual image representation with vector quantization. Proceedings of 1995 International Conference on Image Processing, pages 97-100, Washington, octobre 1995. [3] Z. Wang, Alan C.Bovik, Hamid R.Sheikh & Eera P.Simoncelli, Image Quality Assessment: From Error Visibility to Structual Similarity. IEEE Transactions on Image Processing, vol.13, No.4, April 2004. [4] J. L. Olivs. "Opimisation globale dun Systme imageur laide de critres de qualit visuelle" Thse de Doctorat, 1998, lEcole Nationale Suprieure de lAronautique et de lEspace Sept 1998. [5] T.N. Pappas , R.J. Safranek, Perceptual Criteria for Image Quality Evaluation, in Handbook of Image and Video Processing, Al Bovik (ed.), Academic Press, San Diego, 2000, pp. 669-684 [6] T.N.J Comsweet, "Visual perception", Academic Press 1970 [7] Y.Caron, N.Vincent & P.Makris. Mesure de la qualit de la compression par lutilisation de la loi de Zipf, CORESA03, Lyon (France), 16-17 Janvier 2003, pp.239-242 [8] Habiba Loukil and Mohamed Salim Bouhlel. Image Quality Metric Using System Visual Human Characteristics,the 8th World Multiconference on Systemics, Cybernetics and Informatics (SCI 2004) July 18-21, Orlando, USA.

6/6