基于Transformer结构的遥感影像敏感目标自动隐藏方法

作者：李鹏程; 白文浩^*

来源：武汉大学学报(信息科学版), 2022, 47(08): 1287-1297.

DOI：10.13203/j.whugis20220219

• 遥感影像
• 敏感目标隐藏
• 深度学习
• Transformer结构
• 合成数据

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。

• 单位
  信息工程大学地理空间信息学院