一种基于深度学习的遥感影像敏感目标自动隐藏方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115049538A(43)申请公布日2022.09.13(21)申请号202210635024.9G06V20/10(2022.01)(22)申请日2022.06.06G06V10/20(2022.01)G06V10/82(2022.01)(71)申请人中国人民解放军战略支援部队信息G06N3/04(2006.01)工程大学G06N3/08(2006.01)地址450001河南省郑州市高新区科学大道62号(72)发明人白文浩李鹏程邢帅周杨蓝朝桢张衡施群山吕亮胡校飞(74)专利代理机构郑州睿信知识产权代理有限公司41119专利代理师史萌杨(51)Int.Cl.G06T3/00(2006.01)G06T5/00(2006.01)权利要求书2页说明书6页附图3页(54)发明名称一种基于深度学习的遥感影像敏感目标自动隐藏方法(57)摘要本发明属于地理数据脱敏技术领域，具体涉及一种基于深度学习的遥感影像敏感目标自动隐藏方法，包括：首先采用高召回参数的YOLOX算法识别特定场景中的敏感目标，并生成带有缓冲区域的矩形掩膜区域，以便实现敏感目标全覆盖；然后采取EdgeConnect算法对生成的掩膜区域进行背景补全处理，利用边缘生成和颜色纹理补充的两阶段条件生成对抗网络模型构建缺失区域的结构纹理特征；最终在EdgeConnect方法的基础上结合对比度调整模块，提高补全结果的稳健性。因此，本发明解决现有技术中存在的由于敏感目标及其阴影覆盖不完全、背景补全结构特征缺失造成的敏感目标隐藏效果不佳的问题。CN115049538ACN115049538A权利要求书1/2页1.一种基于深度学习的遥感影像敏感目标自动隐藏方法，其特征在于：包括以下步骤：1)将包含敏感目标的遥感影像输入至敏感目标检测模型中对敏感目标进行识别，以生成敏感目标检测框；向所述敏感目标检测框所圈定的范围外扩充N个像素的缓冲区，以得到掩膜区域，N＞1；2)对所述遥感影像中对应的掩膜区域进行遮盖处理，以生成掩膜图像，并将掩膜图像输入至背景补全模型中，以对遥感影像中对应的掩膜区域进行背景补全处理；3)依据背景补全处理后的遥感影像，输出隐藏敏感目标的遥感影像。2.根据权利要求1所述的基于深度学习的遥感影像敏感目标自动隐藏方法，其特征在于：步骤2)中，在对遥感影像中对应的掩膜区域进行遮盖处理前，需对所述遥感影像进行对比度加强处理；并在输出隐藏敏感目标的遥感影像前进行对比度降低处理。3.根据权利要求2所述的基于深度学习的遥感影像敏感目标自动隐藏方法，其特征在于：在进行对比度加强处理和对比度降低处理时使用的对比度调整公式为：M'＝L*(1‑α)+M*α其中，M为原图像中的某通道强度值，M'为调整后某通道强度值，L为当前全图像平均灰度值，α为对比度调整系数，当进行对比度加强处理时α为加强对比度系数，当进行对比度降低处理时α为还原对比度系数。4.根据权利要求3所述的基于深度学习的遥感影像敏感目标自动隐藏方法，其特征在于：所述对比度调整系数是依据峰值信噪比PSNR求取最优值的方式确定的，峰值信噪比PSNR公式如式为：其中，MAXI表示图像位数，MSE为两图像灰度值的均方误差。5.根据权利要求2所述的基于深度学习的遥感影像敏感目标自动隐藏方法，其特征在于：步骤3)中所述依据背景补全处理后的遥感影像，输出隐藏敏感目标的遥感影像包括：依据掩膜区域，在输出隐藏敏感目标的遥感影像前需挖取掩膜区域内的图像，并将挖取获得的图像覆盖至所述遥感影像中的相应位置，从而得到隐藏敏感目标的遥感影像。6.根据权利要求1所述的基于深度学习的遥感影像敏感目标自动隐藏方法，其特征在于：所述背景补全模型为EdgeConnect网络；所述EdgeConnect网络包括用于边缘预测的生成器与判别器，还包括用于色彩与纹理补充的生成器与判别器；所述生成器与判别器最后一层激活函数均为Sigmod函数，其他层激活函数为ReLU函数或LeakyReLU函数。7.根据权利要求6所述的基于深度学习的遥感影像敏感目标自动隐藏方法，其特征在于：在进行边缘预测和色彩纹理补全时使用的损失函数分别为：2CN115049538A权利要求书2/2页其中为对抗损失，为特征匹配损失，为风格损失，为感知损失，为l1损失，λadv,1、λFM、λadv,2、λp和λs分别为相应损失函数的权重，为边缘预测损失，为色彩纹理补全损失。8.根据权利要求1所述的基于深度学习的遥感影像敏感目标自动隐藏方法，其特征在于：所述敏感目标检测框为矩形框，掩膜区域为矩形区域。9.根据权利要求1‑8任一项所述的基于深度学习的遥感影像敏感目标自动隐藏方法，其特征在于：所述敏感目标检测模型为YOLOX。10.根据权利要求1‑8任一项所述的基