Resumen

Debido a la alta complejidad de procesamiento, la restauración de imágenes solo puede ser procesada de forma offline y difícilmente aplicada en la vida de producción en tiempo real. El desarrollo de la computación en el borde proporciona una nueva solución para la restauración de imágenes en tiempo real. Puede cargar la imagen original en el nodo de borde para procesarla en tiempo real y luego devolver los resultados a los usuarios de inmediato. Sin embargo, la capacidad de procesamiento del nodo de borde sigue siendo limitada, lo que requiere un algoritmo de restauración de imágenes ligero. Se propone un nuevo algoritmo de restauración de imágenes en tiempo real en la computación en el borde. En primer lugar, se utilizan 10 funciones clásicas para determinar el tamaño de la población y el número máximo de iteraciones del algoritmo de optimización de mosca de la fruta de tracción (TFOA). En segundo lugar, se utiliza TFOA para optimizar los parámetros óptimos de la función kernel de regresión de vectores de soporte de mínimos cuadrados (LSSVR), y la función

• Materias:Internet de las cosas Dispositivos móviles Ransomware Ingeniería de Telecomunicación Servidores en la nube
• Subjects:Internet of things Mobile devices Ransomware Telecommunication engineering Cloud Servers
• Palabras claves:Complejidad de procesamiento; Restauración de imágenes; Edge computing; Producción en tiempo real; Algoritmo ligero; Calidad de imagen
• Keywords:Processing complexity; Image restoration; Edge computing; Real-time production; Lightweight algorithm; Image quality