Моделирование аппликативных помех на изображениях с использованием глубоких нейронных сетей

Аннотация

Моделирование различных специфических дефектов на изображениях имеет большое практическое значение при искусственном размножении данных в обучаемых алгоритмах распознавания, классификации и анализа изображений, при оценке устойчивости работы существующих алгоритмов обработки изображений, а также для тестирования специализированных алгоритмов, направленных на диагностику растровых искажений. Аппликативные помехи относятся к числу распространенных типов искажений цифровых изображений, затрудняющих работу систем технического зрения, действие которых проявляется в замещении отдельных участков полезного изображения фрагментами со случайной амплитудой, текстурой и формой. В статье рассматривается задача моделирования аппликативных помех на изображениях с использованием современных алгоритмов статистической обработки и машинного обучения. Кратко описаны основные типы алгоритмов и методов моделирования аппликативных помех, включая непараметрические методы синтеза текстур, генерацию аппликативных помех как локальных областей закрытия исходных изображений, синтез текстур с использованием сверточных нейронных сетей, синтез аппликативных помех с помощью генеративно-состязательных нейронных сетей. Проведен сравнительный анализ статистического алгоритма генерации аппликативных помех как локальных областей закрытия с обучаемым алгоритмом генерации искаженных аппликативными помехами кадров, основанном на использовании GAN моделей. Для тестирования алгоритмов использовался набор данных TILDA Textile Texture Database. Предложен способ объективной оценки реалистичности получаемых аппликативных образований и искажений, основанный на применении глубоких сверточных классификаторов. Для решаемой задачи точность распознавания синтезированных аппликативных помех при использовании статистического алгоритма генерации оказалась чуть выше в сравнении с алгоритмом генерации помех на основе GAN моделей. Проанализированы результаты исследования степени реалистичности сгенерированных аппликативных помех на изображениях по сравнению с их естественными аналогами.