Restauração de imagens subaquáticas usando algoritmos de enxames e métricas específicas

Abstract

Este trabalho apresenta uma abordagem para restauração automática de imagens degradadas por um meio subaquático. Neste cenário, a restauração objetiva facilitar a aplicação de etapas posteriores baseadas em algoritmos de processamento de imagens e visão computacional. A estratégia de restauração apresentada neste trabalho requer uma imagem degradada como única entrada, produzindo uma imagem onde as degradações devidas ao meio subaquático são atenuadas. Neste trabalho são apresentados dois tipos de testes de restauração: (a) restauração para imagens degradadas artificialmente e (b) restauração para imagens reais. Em ambos os tipos de testes, a estratégia de restauração foi baseada na inversão de um modelo de formação de imagens (em um meio subaquático), e guiada por algoritmos de otimização bio-inspirados que visam estimar os parâmetros do modelo com a finalidade de minimizar funções objetivo que descrevem o nível de degradação da imagem. Nos primeiros testes de restauração (utilizando imagens com degradações artificiais), foi utilizado o modelo de formação de imagens proposto por Trucco e OlmosAntillon para imagens em níveis de cinza, que apresenta uma simplificação do efeito de backscattering. Por outro lado, foi realizado um estudo de desempenho de diferentes métricas de avaliação de qualidade de imagens com o objetivo de encontrar uma função objetivo adequada para guiar o processo de otimização. Neste estudo, a métrica NIQE (Natural Image Quality Evaluator) mostrou um melhor desempenho em comparação às demais métricas e foi utilizada como função objetivo. Posteriormente, foi implementada uma estratégia PSO mono-objetivo utilizando a métrica supracitada como função objetivo. Os resultados obtidos a partir de esta estratégia foram comparados com os resultados gerados por dois algoritmos exatos de otimização disponíveis na Toolbox de otimização do MATLAB. Os resultados do algoritmo PSO mostraram ser muito melhores que os apresentados pelos algoritmos exatos, mesmo assim, a imagem resultante apresentou problemas de contraste devido às limitações da métrica neste tipo de degradação. Por esta razão foi testado uma abordagem multi-objetivo baseada no algoritmo de evolução diferencial, onde foi implementada uma segunda métrica baseada na Distribuição de Contraste Local para cobrir a deficiência da métrica NIQE. Os resultados destes testes mostraram melhoras significativas no contraste das imagens restauradas. Nos segundos testes de restauração (usando imagens com degradações subaquáticas reais), foi escolhido o modelo de formação de imagens proposto por Wagner, que considera os dois tipos de degradações: forward-scattering e back-scattering. Neste caso, este modelo foi implementado para a restauração de imagens coloridas, pelo qual foi desenvolvida uma etapa de pré-processamento na qual são estimados um conjunto de parâmetros para compensação cromática. Esta estratégia de restauração foi testada utilizando 5 algoritmos de otimização bio-inspirada (chamados OPSO, RAPSO, ABC, OABC e DE), utilizando como única função objetivo a métrica NIQE. As imagens resultantes (assim como posteriores testes estatísticos) mostraram que os algoritmos OPSO e ABC apresentam o melhor desempenho. Adicionalmente, no contexto deste trabalho também foram desenvolvidas duas ferramentas para o estudo e a implementação de algoritmos de restauração de imagens em meios subaquáticos. A primeira ferramenta consiste na implementação de três modelos simplificados de degradação expostos na literatura, permitindo simular as degradações geradas pela água em qualquer imagem. A segunda ferramenta é o banco UID-LEIA (LEIA Underwater Image Database), que consta de 135 imagens degradadas com um índice de qualidade MOS obtido a partir de experimentos subjetivos. Este banco de imagens foi utilizado para realizar o estudo de desempenho das métricas implementadas no contexto deste trabalho, analisando à capacidade de avaliar a qualidade em imagens com degradações subaquáticas reais.