CC BY
31
нлты
ы КРАЖИ
i ,
wi/ган
Науковий в!сн и к НЛТУУкраТни Scientific Bulletin of UNFU
http://nv.nltu.edu.ua https://doi.org/10.15421/40280129 Article received 30.01.2018 р. Article accepted 28.02.2018 р.
УДК 004.93
ISSN 1994-7836 (print) ISSN 2519-2477 (online)
1 EE3 Correspondence author N. B. Shakhovska Natalya233@gmail.com
Н. Б. Шаховська, О. I. Косар
НацюнальнийyHieepcumem "Львiвська полШехтка", м. Львiв, Украта
АНАЛ1З ПОШИРЕНИХ МЕТОД1В НАКЛАДАННЯ ШУМУ НА ЗОБРАЖЕННЯ
Встановлено, що одтею з причин ускладнення процесу прийняття ршень е погiршення якостi вхщно'' шформацп, отри-мано'' на n^cTaBÍ рiзноманiтних зображень внаслiдок накладання на них шуму, який може мати pÍ3M походження та характеристики. Вивчення певного класу шумiв у контекст розгляду його як функцп дае змогу зосередитись на визначент його пaрaметрiв, cтупенi впливу цих пaрaметрiв та штучному генерувaннi шуму. Виконано огляд шумiв рiзних титв та !х впливу для подальшо!' оцiнки якоcтi систем розпiзнaвaння. Проведет дослщження свщчать, що icнуе досить багато титв шумiв, якi негативно впливають на оброблення та анаиз зображень. Проведено огляд рiзних видiв шуму - гaуciвcького шуму, дробового шуму (шуму Пуассона), шуму типу "сшь i перець" Импульсного шуму), шуму зерен фотоплiвки, спекл-шуму, шумiв, що надають ефект розмитост (i'x можна накладати з рiзним ступенем прозороcтi); визначено оcобливоcтi накладання таких шумiв. Також перераховано типи шумiв, якi можуть накладатися один на одного. Використано метод лопчного узагальнен-ня, накладання шумiв на зображення з використанням бiблiотеки FastNoise та функцп imnoise середовища Octave. Порiвня-но декiлькa шумiв, що створюють ефект розмитоcтi пiд час накладання !'х на зображення iз рiзним ступенем прозороcтi. Ге-нерування рiзних шумiв приводить до подальшого накладання на реaльнi зображення спещальних шумових масок зi задани-ми значеннями пaрaметрiв - таких, як: штенсивтсть та розмiри завад, закон розподшу !'х центрiв тощо.
Кл^чов^ слова: ощнка якоcтi систем розтзнавання; методи накладання шуму; гaуciвcький шум; шум Пуассона; шум зерен фотоплiвки; спекл-шум; шум Перлiнa.
Вступ. У процеа створення чи передавання растро-вих зображень часто стикаемося iз проблемою зашум-лення - спотворення рiзного ступеня, характеру та походження. Таю змши попршують як1сть зображень та негативно впливають на сприйняття шформацп, яку вони несуть. У результата це може призвести до попршен-ня якостi прийнятих рiшень, пов'язаних iз сприйняттям та обробкою зображень, що сввдчить про актуальнiсть нашо! роботи.
У контексп оцiнювання якостi роботи систем розтзнавання образiв варто зазначити, що шуми - це не единого типу перешкоди. Здшснення таких дiй над зоб-раженням, як до прикладу - цшеспрямована модифша-цiя, поворот чи змша масштабу зображення, теж мати-муть негативний ефект на розтзнавальну здатшсть зображення. Проте в цш роботi будемо розглядати тiльки накладання шумiв.
Аналiз останнiх досл1джень та публшацш. У на-укових публжащях значну увагу придiлено визначенню рiзних видiв шумiв. На пiдставi аналiзу лiтературних джерел встановлено, що шум е накладеною на зображення маскою пiкселiв випадкового кольору та яскра-востi. Щодо походження шумiв варто зазначити можли-вiсть 1х виникнення внаслвдок неiдеальностi апаратури, яку використовують, несприятливих зовнiшнiх умов (наприклад, погодних, рiвня освiтленостi, температури
сенсора), перешкод у каналi передачi тощо (Gonzalez & Woods, 2002, p. 222). Шуми, що виникають при цьому, тдлягають класифжацп з метою ïx вивчення, формаль зацп для подальшого усунення чи мiнiмiзацiï ïx шкодливого впливу. Вивчення певного класу шумiв у контекстi розгляду його як функцп дае змогу зосередитись на визначенш його параметрiв, ступеш впливу цих пара-метрiв та штучному генеруваннi шуму. Таке генеруван-ня призводить до подальшого накладання на реальш зображення спещальних шумових масок зi заданими значеннями параметрiв - таких, як: штенсившсть та розмiри завад, закон розподшу 1х центрiв тощо.
Згiдно з (Cattin, Ph., 2016, p. 2), процес вiдновлення зображення полягае у застосуванш зворотноï до накладання шуму послвдовносп дiй. Низка наукових публша-цiй, зокрема, (Buades, Coll & Morel, 2005; Ihnatovych, Paramud & Kapshii, 2007), стосуються проблеми аналiзу основних методiв фiльтрацiï зображень, яш пошкодженi рiзними видами шумiв, та пiдвищення ефективностi 1'х використання. У роботi (Kucherov, Katsalap & Zbrozhek, 2015) автори пропонують поеднувати окремi методи фiльтрацiï, зокрема, таю ïï рiзновиди, як: просторову, частотну, а також лапласiану. Проведено 1'х оцiнювання з використанням таких характеристик, як: середньок-вадратичне вiдxилення, пiкове вщношення величин сигнал-шум та розрахунку критерiю структурно!' подоби.
Ыфор^фя про aBTopiB:
Шаховська Нaтaлiя Богдaнiвнa, д-р техн. наук, професор, завщувач кафедри систем штучного iнтелекту.
Email: Natalya233@gmail.com Kocap Олег 1горович, аспiрант кафедри систем штучного штелекту. Email: oleh.kosar94@gmail.com
Цитувaння 3a ДСТУ: Шаховська Н. Б., Косар О. I. Аналiз поширених методiв накладання шуму на зображення. Науковий вкник
НЛТУ Украши. 2018, т. 28, № 1. С. 145-149. Citation APA: Shakhovska, N. B., & Kosar, O. I. (2018). Analysis of Common Methods of Noise Overlaying on Images. Scientific Bulletin of UNFU, 28(1), 145-149. https://doi.org/10.15421/40280129
Найпоширешшими е адитивнi та мультиплiкативнi методи накладання шумiв. Якщо позначити зображення як функцiю fx, y), то його можна представити як деком-позицiю бажаного компонента (дiйсного зображення) g(x, y) та компонента шуму q(x, y).
Найпоширенiша при цьому - адитивна декомпози-щя: fx, y) = g(x, y) + q(x, y). Зокрема, гауавський шум найчастiше розглядають як адитивний. Також дуже по-ширена мультиплжативна декомпозицiя. При цьому: fx, y) = g(x, y)q(x, y). До прикладу, спекл-шум часто моделюють як мультиплшативний. Варто зауважити, що адитивна модель може бути перетворена у мультип-лiкативну i навпаки - шляхом застосування ввдповщно логарифмування та експоненцiювання (Bovik, 2005, p. 325).
Загалом адитивну модель накладання шуму вико-ристовують у випадках, коли шум, що дiе на систему, незалежний вiд !! стану, а мультиплжативну модель -якщо така залежшсть присутня. Водночас е шуми, для яких не можна застосовувати m адитивну, нi мультипль кативну модель.
Метою роботи е огляд рiзних видiв шуму, !х впливу та походження: гаусiвського шуму, дробового шуму (шуму Пуассона), шуму типу "сшь i перець" ^м-пульсного шуму), шуму зерен фотоплiвки та спекл-шу-му. У цiй роботi використовуемо метод лопчного уза-гальнення, накладання шумiв на зображення з викорис-танням бiблiотеки FastNoise та функцп imnoise середо-вища Octave.
Виклад основного матерiалу досл1дження. Га-yciecbKuü шум трапляеться, мабуть, найчастiше. Його зазвичай моделюють як адитивний (до кожного ткселя зображення додають значення з вшповщного нормального розпод^). Функцiя щiльностi розподiлу при
причин появи га-
використанням елементарних функцiй, але натомiсть вона е табульованою.
У робот (Bovik, 2005, p. 329) також йдеться про heavy-tailed шум, що спостерiгають у разi неповного ви-конання Центрально! гранично! теореми - шум невелико! кшькосп складових, шум не повшстю незалежних складових чи шум складових, що нерiвномiрно вплива-ють на результативний ефект. Для такого шуму набли-ження значення густини розпод^ до 0 при х^да вшбу-ваеться набагато повшьшше, шж для гаусiвського шуму.
На рис. 1 зображено приклад накладання гауавсько-го шуму на зображення.
цьому: Р(z)=' <2"2). Серед
усiвського шуму - термальний шум; шум, спричинений поганим освиленням; шум, спричинений слабким сигналом телестанцп та iн. Зерновий шум у фотоплiвкових фiльмах iнколи моделюють як гауавський, а iнколи -як шум Пуассона.
За центральною граничною теоремою, яку застосо-вано до нормального розподiлу, стверджено, що розпо-дiл суми велико! кшькосп незалежних, малих випадко-вих величини е гаусiвським розподiлом. При цьому:
1) випадковi величини не повинш бути розподiленi за нормальним законом самi й навiть не повинш мати од-наковий розподш;
2) мае бути велика кшьюстъ випадкових змшних, що впливають на загальний результат. До прикладу, тер-мiчний шум - це результат термальних вiбрацiй вели-чезно! кшькосп крихiтних електрошв;
3) випадковi змшт повиннi бути повнiстю або майже повнiстю незалежними;
4) частка впливу кожно! змшно! на сумарний ефект повинна бути незначною.
Як приклад, вiбрацiя величезно! кiлькостi електро-нiв спричиняе термальний шум. Кожна вiбрацiя при цьому е незалежною вiд iнших i всi електрони здiйсню-ють приблизно однаковий вплив на сумарний ефект. Отже, такий шум можна моделювати як гаусiвський (Bovik, 2005, p. 328).
Мiнусом цього розпод^ е те, що кумулятивну фун-кцiю розподiлу не можна виразити у закритiй формi з
Рис. 1. Приклад накладання гауавського шуму на зображення
Дробовий шум (шум Пуассона). Дробовий шум -досить поширений тип шуму в електрошщ та оптищ. Такий шум описано розподшом Пуассона, тому його ще називають пуассоновим. В електрошщ виникнення цього шуму пов'язують з дискретною природою елек-тричного заряду. Також такий шум виникае у процеа тдрахунку фотошв у оптичних приладах, що пов'язано з корпускулярною природою свила (Kullolli, Rajpurohit & Anil, 2013). Розглянемо такий шум докладшше.
Вважають, що в процеа випромшювання свила лазером фотони випромшюються випадково, але к1льк1сть фотошв, необхщна для утворення плями на спш, така велика, що яскрав1сть плями, тобто число фотошв за одиницю часу, змшюеться з часом на дуже малу величину. Проте за умов незначно! яскравосп лазера кшь-к1сть фотошв, що потрапляють на освилювальну повер-хню, буде достатньо малою, щоб вщност флуктуацп числа фотошв, а з ними i флуктуацп яскравосп плями були значними. Ц флуктуацп i е дробовим шумом. На рис. 2 зображено приклад накладання шуму Пуассона на зображення.
Рис. 2. Приклад накладання на зображення шуму Пуассона
1мпульсний шум (шум типу "сль i перець"). Зображення, що мютить шум типу "сшь i перець", буде мати темш mкселi у свилих репонах та свгш - у темних репонах. Цей тип шуму типово спричинений помилка-ми перетворення аналогового сигналу до цифрового, та побповими помилками пiд час передавання. Функцiя щiльностi розподiлу при цьому мае вигляд р(¿) = Ра
(для z = a) та p(z) = Pb (для z = b). При цьому a вщповь дае темнiй точцi на зображенш, b - свiтлiй.
Якщо Pa або Pb = 0, то такий шум називають уншо-лярним. Якщо ж обидвi цi ймовiрностi ненyльовi, то на зображеннi будуть випадковим чином розташованi чор-m та свiтлi точки (Gonzalez & Woods, 2002, p. 225). 1м-пульсний шум можна усунути шляхом ввдшмання темного фрейму та штерполяцп для обчислення значень пошкоджених пiкселiв (Sreeja & Budumuru, 2013). На рис. 3 зображено приклад накладання на зображення шуму типу "сшь i перець". Часто iмпyльсний шум нак-ладаеться з Гаyсiвським шумом (Kucherov, Katsalap & Zbrozhek, 2015).
Рис. 3. Приклад накладання на зображення шуму типу "сшь i
перець"
Шум зерен фотоплiвки пов'язаний iз особливою утворення зображень на фотоплiвцi. Так1 зображення е сукупнiсть велико! шлькоси зерен (цi зерна шби накла-даються на нашу фотографш) (Bovik, 2005, р. 332). Коли свило досягае фотоплiвки, деяш з зерен поглинають фотони, а деяш - ш. Це пов'язано з тим, чи була отри-мана необхiдна доза свiтла для такого перетворення. Тi зерна, як поглинають фотони, стають металево-срiб-лястого кольору. Зерна, що не змшились, згодом змива-ються у процеа оброблення. Загальна площа опромше-них зерен до неопромшених при цьому визначае прозо-рiсть деяко! одинищ площi зображення. При цьому чим бшьша частина зерен була опромшена, тим бiльш неп-розорим буде зображення i навпаки.
Для зображень повшьного фiльму характерне вели-ке число зерен невеликого розмiру, тодi як зображення швидкого фiльму матимуть менше число бiльших зерен. Висунемо таю припущення: зерна е незалежними один вiд одного, мають однаковий розмiр та форму. При цьому ймовiрнiсть !х змiни е пропорцшною до кiлькостi фотонiв, що падають на них. Тодi якщо визна-чити L як шльшсть зерен на заданiй площi з ймовiрнiс-тю р змiни кожного зерна, то шльшсть зерен, що змшю-ються, е бiномiальною. При цьому значення L зазвичай досить велике, а значення р - доволi мале. Це створюе передумови розрахунку кiлькостi зерен, що змшюють-ся, згiдно з розподiлом Пуассона або гауавським роз-подiлом (Farooque & Rohankar, 2013).
1нколи говорять також про яскравий шум - цифро-вий шум на фотографп, що е дабнозернистою сто-ронньою структурою на зображеннi, що е точками рiз-но! яскравостi - схожими на зерна звичайно! фотоплiв-ки (Kaliada, n.d.).
Спекл-шум - це одна з найскладшших моделей шу-мiв. Вiн характеризуеться своею просторовою залежшс-тю та залежшстю вiд сигналiв, як1 можуть бути рiзного походження (Bovik, 2005, р. 332). Зокрема, утворення таких шумiв пов'язують iз використанням когерентних
джерел свiтла пiд час отримання зображення. У такому pa3i неоднорщна шорстк1сть поверхнi в межах одного ткселя зображення поеднана з використанням когерентного свила (наприклад, з лазера), що вшбиваеться вiд поверхт, призводить до змiн сигналу в aмплiтудi та фaзi.
У робой (Bobkova, Porshnev, Vasilii & Vladimir, 2013) автори розглядають спекл-шум, що утворюеться у процеа здшснення процедури ехокaрдiогрaфii (ЕхоКГ). Така процедура грунтуеться на реестрацп вш-битих iмпульсних сигнaлiв ультразвуку, що генеруеться з частотою 2,5-5,0 МГц. У випадку, коли геометричш розмiри дослвджуваного об'екта е бшьшими за довжину ультразвуково' хвилi (1,0-1,5 мм), то зондувальна хви-ля вiдбивaеться вiд меж1 розподiлу наявних середовищ iз рiзними щiльностями та вiдбувaеться 'х розсшвання на дуже дрiбнi об'екти (розмiром не бiльше 1 мм). Ви-щезaзнaченi об'екти е занадто дабними для 'х подаль-шого розтзнавання з використанням ультразвукового методу та на зшмках ЕхоКГ вiзуaлiзуються як спекл-шум.
Видiляють також атмосферний спекл. "БлимаючГ' зiрки на небi подiбнi до спекл-шуму когерентного свила. Свило вш зiрок, що здаються нам iз Землi просто точками, е просторово когерентним, коли воно досягае атмосфери. При цьому випадковим чином змшюеться коефщент вiдбивaння, що пов'язано зi змiною дифуз-них властивостей атмосфери через змiннiсть температу-ри та шших чинник1в (Bovik, 2005, p. 335).
Порiвнюючи цi два явища виникнення спекл-шуму, все ж можемо назвати деяш вщмшностг Усереднюючи дек1лька ка,^в (фреймiв) з присутшм спекл-шумом когерентного свiтлa, отримаемо зображення, близьке до базового зображення. Дисперая при цьому змен-шуеться iз збiльшенням кiлькостi усереднених ка,^в. На противагу цьому результат усереднення зображення мигаючих зiрок призведе до нечикого зображення зь рок. На рис. 4 зображено приклад накладання спекл-шуму на зображення.
Рис. 4. Приклад накладання спекл-шуму на зображення
Шуми тших munie. Далi наведемо для порiвняння дешлька шyмiв, що створюють ефект розмитостi тд час накладання ïx на зображення iз рiзним ступенем прозо-ростг Серед них: чисельний шум, шум Перлша та iншi. ïx шуми можна використовувати для емуляцп туману, хмар тощо. Вони також використовують для генеруван-ня мiсцевостi в комп'ютерних iграx.
Чисельний шум (value noise) генеруеться досить просто. При цьому зображення дшиться сикою i в кожному вyзлi сики задаеться псевдовипадкове число. Фyнкцiя шуму при цьому повертае штерпольоване значення, що грунтуеться на значеннях навколишшх вуз-лiв. Шум Перлша е одним iз найвiдомiшиx серед цiеï
Перелш використаних джерел
Bobkova, A., Porshnev, S., Vasilii, Z., & Vladimir, B. (2013). Issledo-vanie metodov udaleniia spekl-shumov na ultrazvukovykh izobraz-heniiakh. Materialy 23 mezhdunarodnoi konferentcii po kompiuter-noi grafike i zreniiu, 16-20 sentiabria 2013 goda, g. Vladivostok. Retrieved from: http://www.graphicon.ru/html/2013/papers/244-246.pdf. [In Russian]. Bovik, A. C. (Ed.) (2005). The Image and Video Processing Handbook, (2nd ed.). Elsevier Academic Press. 899 p. Buades, A., Coll, B., & Morel, J. M. (2005). A review of image deno-ising algorithms, with a new one. Multiscale model simul, 4(2), 490-530. https://doi.org/10.1137/040616024 Cattin, Ph. (2016). Image Restoration: Introduction to Signal and Image Processing. MIAC, University of Basel. April 19th/26th. Retrieved from: https://miac.unibas.ch/SIP/06-Restoration.html#(1). Farooque, M. A., & Rohankar, J. S. (2013). Survey on various noises and techniques for denoising the color image. International Journal of Application or Innovation in Engineering & Management (IJAIEM), 2(11), 217-221. Retrieved from: http://www.ijaiem.org/volume2issue11/IJAIEM-2013-11-24-070.pdf.
Gonzalez, R. C., & Woods, R. E. (2002). Digital image processing,
(2nd ed.). Upper Saddle River. N.-J.: Prentice Hall. 793 p. Ihnatovych, A. O., Paramud, Ya. S., & Kapshii, O. V. (2007). Pidkhody do filtratsii spotvorenykh haussivskym shumom zobraz-hen. Visnyk Natsionalnoho universytetu "Lvivska politekhnika ". Se-riia: Kompiuterni systemy ta merezhi, 603, 53-59. Retrieved from: http://vlp.com.ua/files/12_22.pdf. [In Ukrainian]. Kaliada, D. V. (n.d.). Iskusstvo tcifrovogo foto: nochnaia i vecherniaia s'emka. Retrieved from: https://www.ozon.ru/context/deta-il/id/4173488/. [In Russian]. Kucherov, D. P., Katsalap, R. H., & Zbrozhek, L. V. (2015). Kom-pozytsiia metodiv prostorovoi filtratsii dlia pidvyshchennia yakosti zobrazhen. Naukoiemni tekhnolohii, 3, 211-228. http://doi.org/10.18372/2310-5461.27.9389. [In Ukrainian]. Kullolli, B. S., Rajpurohit, V. S., & Anil, B. G. (2013). An Algorithmic Approach for Multispectral Image Quality Assessment. International Journal of Current Engineering and Technology, 9, 209-214.
Sreeja, K. J., & Budumuru, P. R. (2013). A New Switching Median Filter for Impulse Noise Removal from Corrupted Images. International Journal of Engineering Research and Applications, 3(6), 496-501. Retrieved from: http://www.ijera.com/papers/Vol3_is-sue6/CG36496501.pdf.
Н. Б. Шаховская, О. И. Косар
Национальный университет "Львовская политехника", г. Львов, Украина
АНАЛИЗ РАСПРОСТРАНЕННЫХ МЕТОДОВ НАЛОЖЕНИЯ ШУМА НА ИЗОБРАЖЕНИЯ
Установлено, что одной из причин осложнения процесса принятия решений является ухудшение качества входящей информации, полученной на основании различных изображений вследствие наложения на них шума, который может иметь различное происхождение и характеристики. Изучение определенного класса шумов в контексте рассмотрения его как функции позволяет сосредоточиться на определении его параметров, степени влияния этих параметров и искусственном генерировании шума. Выполнен обзор шумов различных типов и их влияния для дальнейшей оценки качества систем распознавания. Проведенные исследования показывают, что существует достаточно много типов шумов, которые негативно влияют на обработку и анализ изображений. Проведен обзор различных видов шума - гауссовского шума, дробного шума (шума Пуассона), шума типа "соль и перец" (импульсного шума), шума зерен фотопленки, спекл-шума, шумов, которые оказывают эффект размытости (их можно накладывать с разной степенью прозрачности); определены особенности наложения таких шумов. Также перечисленные типы шумов могут накладываться друг на друга. Использован метод логического обобщения, наложение шумов на изображение с использованием библиотеки FastNoise и функции imnoise среды Octave. Проведено сравнение несколько шумов, которые создают эффект размытости при наложении их на изображение с разной степенью прозрачности. Генерирование различных шумов влечет за собой дальнейшее наложение на реальные изображения специальных шумовых масок с заданными значениями параметров, таких как интенсивность и размеры помех, закон распределения их центров и т.п.
Ключевые слова: оценка качества систем распознавания; методы наложения шума; гауссовский шум; шум Пуассона; шум зерен фотопленки; спекл-шум; шум Перлина.
групи шумiв. Шд час генерування такого шуму потрiб-но вибрати функцш генерацп шуму та функцш штер-поляцп.
Функщя генерацп шуму Перлша повинна приймати один числовий параметр i для одного i того ж вхшного параметра завжди повертати одне i те ж число. Це обов'язкова умова для ще! функцп. Шум Перлша е ре-зультуючою функщею - сумою значень задано! функцп генерацп шуму для рiзних амплиуд i частот (СаАт, РЬ, 2016). При цьому кожен етап називаеться октавою i в процеа зазвичай рухаються ввд октави з великою ам-плиудою i малою частотою до октави з меншою ампль тудою та бшьшою частотою. На кожнш наступнш окта-вi частота збшьшуеться вдвiчi. Кшьшсть октав не е строго регламентованою i можна визначати, як частотою, при якш кшьшсть пiкселiв екрану дае змогу пока-зати ва обчислеш значения функцп, так i найменшою амплиудою, при якш вплив октави на результуючу функцш неютотний. На рис. 5 зображено приклад нак-ладання згенерованого шуму Перлша на зображення iз про юрютю 50 %
Рис. 5. Приклад накладання згенерованого шуму Перлта на
зображення 1з прозорютю 50 %
Висновки. Виконано огляд шумiв рiзних тишв та 1х впливу для подальшо! оцшки якосп систем розшзна-вання. Проведеш дослщження свщчать, що юнуе до-сить багато тишв шумiв, як негативно впливають на оброблення та аналiз зображень. Наведено !х характеристики та походження. Серед цих шумiв - гауавський шум, шум Пуассона, iмпульсний шум, шум зерен фо-топлiвки, спекл-шум, шум Перлша та ш
N. B. Shakhovska, O. I. Kosar
Lviv Polytechnic National University, Lviv, Ukraine
ANALYSIS OF COMMON METHODS OF NOISE OVERLAYING ON IMAGES
One of the reasons for the complication of the decision-making process is considered to be the deterioration of the quality of the input information obtained on the basis of various images due to overlaying noise on them, which may have various origin and characteristics. Studying a certain class of noise in the context of considering it as a function allows you to focus on determining its parameters, the degree of influence of these parameters and the artificial noise generation. An overview of the noise of different types and their effects was performed for further evaluation of the quality of recognition systems. Noises that arise in this case are subject to classification in order to study, formalize and further eliminate or minimize their harmful effects. Studying a certain class of noise in the context of considering it as a function allows you to focus on determining its parameters, the degree of influence of these parameters and the artificial noise generation. Research shows that there are many types of noise that negatively affect processing and analysis of images. An overview of various types of noise such as Gaussian noise, shot noise (Poisson noise), "salt and pepper" noise type (impulse noise), noise of film grains, speckle noise, noise giving a blur effect (they can be imposed with different degree of transparency). The features of overlaying such noise are determined. The listed types of noise can also be superimposed on each other. The method of logical generalization, overlaying of image noise using the FastNoise library and functions of the imnoise of the Octave environment is used. Comparison of several noises that creates the effect of blurriness when applied to images with varying degrees of transparency is provided. Generating different styles of noise leads to further overlay on real images of special noise masks with given parameters values such as the intensity and size of the noise, the law of distribution of their centers, etc. In the context of evaluating the quality of image recognition systems, we should note that noise is not the only type of interference. Performing such actions on the image as, for example, purposeful modification, rotation or zooming of the image will also have a negative effect on the image resolution. However, in this paper we consider only the overlay of noise.
Keywords: recognition systems quality evaluation; noise overlaying methods; Gaussian noise; Poisson noise; photographic film grains noise; speckle noise; Perlin noise.
