Multi-objective differential evolution algorithm for underwater image restoration

Restauração de imagens subaquáticas usando algoritmos de enxames e métricas específicas

“…Neste contexto, os parâmetros c e K foram considerados como variáveis de decisão do processo de otimização. É importante notar que, fisicamente estes parâmetros não dependem da distância média entre a câmera e o objeto dm [111], sendo que esta pode ser estimada de outras formas [29], [30].…”

“…Assim, baixos valores na métrica NIQE significam uma melhor qualidade da imagem. No entanto, no caso da Distribuição de Contraste, um maior valor significa melhor qualidade como mostrado na figura 4.3 [111]. Objetivando adaptar as duas métricas para um processo de minimização, o valor obtido pela métrica de Distribuição de Contraste é multiplicado por −1.…”

“…Para apresentar um exemplo dos resultados obtidos com este processo de otimização, vai-se considerar a imagem apresentada na Figura 6.4. Esta imagem foi degradada utilizando o Algoritmo 6 com valores de entrada c = 0, 3m −1 , K = 0, 7 e dm = 3m [111]. O melhores resultados foram obtidos com uma população de 30 indivíduos e 250 iterações do MODE.…”

“…O melhores resultados foram obtidos com uma população de 30 indivíduos e 250 iterações do MODE. Também, foi definido um fator de escala de 0,5 e 0,9 para a probabilidade de recombinação (vide Algoritmo 4) [111]. Duas abordagens diferentes foram implementadas para o MODE, o algoritmo PDEA [112] e o MODE/Parent [113].…”

“…Cada algoritmo foi executado 10 vezes. A Figura 6.5 [111] apresenta as soluções não dominadas para os dois algoritmos após as 10 execuções. Nesta figura também são apresentados os valores finais das métricas para o joelho da fronteira de Pareto.…”