УДК 004.932
АНАЛИЗ РЕЗУЛЬТАТОВ ВОССТАНОВЛЕНИЯ МАСКИРОВАННЫХ ИЗОБРАЖЕНИЙ С ПОМОЩЬЮ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ
К. А. Васильев, аспирант РГРТУ, Рязань, Россия;
orcid.org/0009-0009-8551-8530, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
А. И. Новиков, д.т.н., доцент, профессор кафедры ВМ РГРТУ, Рязань, Россия;
orcid.org/0000-0002-8166-8234, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Размытие изображений как способ маскирования конфиденциальной информации получило развитие в последние годы. Надежность сокрытия информации при таком способе изучена не до конца. Авторы настоящей статьи показали в предыдущих работах, что размытие изображения с использованием обобщенных гауссовых ядер обеспечивает надежную защиту при попытках восстановления маскированного изображения с помощью классических методов решения обратных некорректных задач. Открытым остался вопрос о потенциале восстановления маскированного изображения с неизвестным ядром сложной формы с помощью известных нейросетевых моделей. Цель исследования – провести анализ потенциала нейросетевых моделей соответствующего профиля по восстановлению маскированных с помощью операторов размытия изображений объектов интереса на подстилающей поверхности, машинописных текстов. Были исследованы две нейросетевые модели - Real-ESRGAN (генеративная) и Swin2SR (трансформер). Установлено, что названные нейросетевые модели успешно восстанавливают изображения, размытые с помощью простого гауссова ядра с относительно короткой длиной окна скольжения. Изображения, размытые с помощью обобщенных гауссовых ядер с длинной ненулевой частью ядра (маски) не получилось корректно восстановить нейросетевыми моделями. Полученный результат позволяет говорить о надежности сокрытия конфиденциальной информации при правильном выборе типа и параметров ядра размытия.
Ключевые слова: оператор размытия, интегральное уравнение, ядро оператора, алгоритмы восстановления, регуляризационный алгоритм, итерационный алгоритм, нейросетевые модели, оценки восстановления.