基于Transformer结构的遥感影像敏感目标自动隐藏方法
遥感影像敏感目标隐藏是保证遥感资源安全共享的关键.针对传统方法存在的目标检测不完全、补全结果不可靠的问题,提出了一种基于Transformer结构的遥感影像敏感目标自动隐藏方法.首先利用以Swin Transformer 为主干网络的 Cascade Mask R-CNN(region-based convolutional neural network)实例分割优化模型检测敏感目标并生成掩膜区域,同时设计了 RSMosaic(remote sense Mosaic)合成数据方法减少人工标注数据;然后,基于色相-饱和度-明度(hue-saturation-value,HSV)空间的阴影检测模型扩展掩膜区域;最后,引入MAE(masked autoencoders)模型实现目标背景生成.以飞机目标为例,与Partial-Connvolutios和EdgeConnec进行了对比实验.结果表明,相比传统方法,该方法在敏感目标实例分割中的边界框与像素掩膜AP值分别提升了 13.2%与11.2%;在使用RSMosaic合成数据后,边界框与像素掩膜AP值可分别再提升9.39%与14.16%,且图像修补中的平均绝对误差和最大平均差异提升80%以上,实现了结构合理、纹理清晰的敏感目标自动隐藏效果.
遥感影像、敏感目标隐藏、深度学习、Transformer结构、合成数据
47
P237(摄影测量学与测绘遥感)
河南省自然科学基金202300410535
2022-10-20(万方平台首次上网日期,不代表论文的发表时间)
共11页
1287-1297