CN117173404B 一种基于深度学习的遥感目标自动检测及隐藏方法 （北京遥测技术研究所）

一种基于深度学习的遥感目标自动检测及本发明提供一种基于深度学习的遥感目标割数据集、构建用于遥感影像语义分割的Inception_v3U_Net网络、构建门控卷积图像修2S1、选取遥感图像和对应的语义分割标签图像进行裁S2、构建Inception_v3U_Net分割网络，Inception_v3U_Net分割网络包括Inception_v3网络和U_Net网络，Inception_v3网络作为U_Net网络的编码器并将Inception_v3网络的各层输出连接到U_Net的解码器中，Inception_v3U_Net分割网络通S3、构建门控卷积图像修复网络，所述门控S4、使用所述遥感目标语义分割数据集训练Inception_vS5、使用所述遥感目标语义分割数据集训练所述门S6、将待预测遥感图像进行裁剪并排序标号后输入所述训练好的IncS8、使用所述掩膜覆盖所述裁剪后遥感图像分割结像修复网络得到敏感目标隐藏结果，然后将所述敏感目标隐藏结果按照序号依次进行拼2.根据权利要求1所述的一种基于深度学习的遥感目标自动检测及隐藏方法，其特征S11、选取前景与背景比例相对均衡且分辨率高的至少30张遥感图像和对应的标签图S13、选取所述裁剪后标签图像中前景像素占比在10％以上的图像和对应的所述裁剪3.根据权利要求1所述的一种基于深度学习的遥感目标自动检测及隐藏方法，其特征S21、构建基于Inception_v3网络的编码器，InceptionS23、构建解码器，所述解码器为3个结构相同的上S24、通过concatenate方式所述将解码器中3个所述上采样模块的输入分别与所述编34.根据权利要求3所述的一种基于深度学习的遥感目标自动检测及隐藏方法，其特征其中I为输入的特征，H为输出，Upi为第i级上采样层，[Incepi,Upi_1]为将i级5.根据权利要求4所述的一种基于深度学习的遥感目标自动检测及隐藏方法，其特征6.根据权利要求1所述的一种基于深度学习的遥感目标自动检测及隐藏方法，其特征所述预生成网络可模拟所述掩膜对图像重复多次覆盖，且掩膜经过7.根据权利要求6所述的一种基于深度学习的遥感目标自动检测及隐藏方法，其特征4分支一与分支二的输出通过concate8.根据权利要求6所述的一种基于深度学习的遥感目标自动检测及隐藏方法，其特征9.根据权利要求1所述的一种基于深度学习的遥感目标自动检测及隐藏方法，其特征步骤S5中，使用所述训练集中的所述遥感图像训练所述述遥感图像进行双线性插值到256x256；优化器为Adam，学习率为0.0001，优化器参数在训练所述门控卷积图像修复网络过程中加入随机掩膜的步骤S7中，将所述裁剪后遥感图像分割结果以12x12的核函数图像膨胀1次后双线性步骤S8中，将所述掩膜覆盖所述裁剪后遥感图像分割结果裁剪为224x224再输入所述5需要提供一种敏感目标的降密脱敏方法。传统的遥感图像的降密脱密手段有简单的拼接、隐藏方法”(武汉大学学报信息科学版，1671_8860(2020)08_1263_10)中提出了一种结合MaskR_CNN与Deepfill的应急遥感制图中的敏感目标自动检测与隐藏技术。该方法训练6[0010]S2、构建Inception_v3U_Net分割网络，Inception_v3U_Net分割网络包括Inception_v3网络和U_Net网络，Inception_v3网络作为U_Net网络的编码器并将Inception_v3网络的各层输出连接到U_Net的解码器中，Inception_v3U_Net分割网络通和精细生成网络，门控卷积图像修复网络使用门控机制对掩膜覆盖后的分割结果进行修[0017]本发明所述的一种基于深度学习的遥感目标自动检测及隐藏方法，作为优选方[0018]S11、选取前景与背景比例相对均衡且分辨率高的至少30张遥感图像和对应的标[0020]S13、选取裁剪后标签图像中前景像素占比在10％以上的图像和对应的裁剪后遥[0022]本发明所述的一种基于深度学习的遥感目标自动检测及隐藏方法，作为优选方7[0028]本发明所述的一种基于深度学习的遥感目标自动检测及隐藏方法，作为优选方式，步骤S21中，输入模块包括依次连接的卷积层、池化层、BatchNorm层、2个卷积层、[0032]其中I为输入的特征，H为输出，Upi为第i级上采样层，[Incepi,Upi_1]为将i级[0033]本发明所述的一种基于深度学习的遥感目标自动检测及隐藏方法，作为优选方卷积核为1×1、步长为1，第三个卷积层的卷积核为3×3、步长为1，边缘填充均设置为[0036]本发明所述的一种基于深度学习的遥感目标自动检测及隐藏方法，作为优选方8[0042]本发明所述的一种基于深度学习的遥感目标自动检测及隐藏方法，作为优选方[0046]本发明所述的一种基于深度学习的遥感目标自动检测及隐藏方法，作为优选方[0047]本发明所述的一种基于深度学习的遥感目标自动检测及隐藏方法，作为优选方[0052]本发明所述的一种基于深度学习的遥感目标自动检测及隐藏方法，作为优选方[0056]步骤S7中，将裁剪后遥感图像分割结果以12×12的核函数图像膨胀1次后双线性9割网络与图像膨胀联合的方式生成覆盖掩膜，实现掩膜对遥感目标的精准以及完全覆盖。[0060]实现本发明目的的思路是，本发明构建训练网络Inception_v3U_Net，利用[0067]步骤1.1，随机选取前景与背景比[0069]步骤1.3，选取裁剪后标签图像[0071]本发明的网络结构采用Inception_v3U_Net网络。将Inception_v3网络作为U_[0073]编码器的构成基于Inception_v3网络。Inception_v3网络的结构由1个输入模块[0079]搭建一个由3个结构相同的上采样模块和1个CBR模块串联组成的上采样子网络作为解码器，每个上采样模块的结构依次为：第一卷积层、第二卷积层、第三卷积层、用神经网络的梯度下降法迭代更新Inception_v3U_Net网络模型，直至总代价函数收敛为[0108](1)本发明采用Ineceptionv3U_Net网络检测遥感目标，用Inception_v3模型结[0110](3)本发明采用门控卷积图像修复网络对掩膜覆盖后的不完全的不完全遥感图像[0117](4)本发明在训练门控卷积图像修复网络过程中加入随机掩膜的生成，以随机离了图像修复技术在缺失区域的形状及位置上的限制。相比现有在矩形区域内修改图像技[0120]图2为一种基于深度学习的遥感目标自动检测及隐藏方法Inception_v3U_Net网[0121]图3为一种基于深度学习的遥感目标自动检测及隐藏方法门控卷积图像修复网络[0122]图4a为一种基于深度学习的遥感目标自动检测及隐藏方法实施例1测试集中的遥[0123]图4b为一种基于深度学习的遥感目标自动检测及隐藏方法流程实施例1测试集分[0124]图4c为一种基于深度学习的遥感目标自动检测及隐藏方法流程实施例1将分割结[0125]图4d为一种基于深度学习的遥感目标自动检测及隐藏方法流程实施例1遥感图像[0126]图4e为一种基于深度学习的遥感目标自动检测及隐藏方法流程实施例1分割结果[0127]图4f为一种基于深度学习的遥感目标自动检测及隐藏方法流程实施例1膨胀后进[0134]步骤1.2，将每张高分辨率图明的网络结构采用Inception_v3U_Net网络。将Inception_v3网络作为U_Net网络的编码[0139]编码器的构成基于Inception_v3网络。Inception_v3网络的结构由1个输入模块[0145]搭建一个由3个结构相同的上采样模块和1个CBR模块串联组成的上采样子网络作用神经网络的梯度下降法迭代更新Inception_v3U_Net网络模型，直至总代价函数收敛为[0180]本发明的仿真实验使用的数据来自遥感建筑物数据集Massachusetts中的随机选验的标准图像大小，根据前景占比10％阈值选取数据集，其中3960份样本划分为训练集，[0189]步骤E，将分割结果双线性插值为256×256大小后直接输入训练好