[發(fā)明專(zhuān)利]一種基于GAN網(wǎng)絡(luò)的遙感數(shù)據(jù)隱私保護(hù)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110403219.6
• 申請(qǐng)日: 2021-04-15
• 公開(kāi)（公告）號(hào): CN113012049B
• 公開(kāi)（公告）日: 2022-08-02
• 發(fā)明（設(shè)計(jì)）人: 孫善寶;羅清彩;張?chǎng)?/a>;解萌
• 申請(qǐng)（專(zhuān)利權(quán)）人: 山東新一代信息產(chǎn)業(yè)技術(shù)研究院有限公司
• 主分類(lèi)號(hào): G06T3/40
• 分類(lèi)號(hào): G06T3/40;G06T5/50;G06N3/04
• 代理公司: 濟(jì)南泉城專(zhuān)利商標(biāo)事務(wù)所 37218
• 代理人: 李桂存

一種基于GAN網(wǎng)絡(luò)的遙感數(shù)據(jù)隱私保護(hù)方法，構(gòu)建了遙感數(shù)據(jù)脫敏網(wǎng)絡(luò)模型，模型充分考慮到遙感影像的特點(diǎn)，采用了超分辨率圖像生成和隱私目標(biāo)圖像消除修復(fù)兩種方式，生成了更加合理的數(shù)據(jù)脫敏高分辨率遙感影像。與傳統(tǒng)的生成方式技術(shù)相比，采用GAN網(wǎng)絡(luò)能夠更好的隱藏敏感信息，生成出更逼真的影像數(shù)據(jù)；將原始遙感影像數(shù)據(jù)的內(nèi)容壓縮，采用GAN網(wǎng)絡(luò)生成超分辨率圖像，能更好的模擬原始圖像的同時(shí)也能消除一些原始圖像的細(xì)節(jié)，并且生成出一些干擾數(shù)據(jù)，達(dá)到更好的保護(hù)隱私的效果；采用先目標(biāo)檢測(cè)，后語(yǔ)義分割來(lái)找到身份個(gè)體的方式，提升了目標(biāo)查找處理效率，采用刪除身份個(gè)體再圖像修復(fù)還原的方式，能更好的消除遙感影像上的身份隱私。

技術(shù)領(lǐng)域

本發(fā)明涉及遙感和深度學(xué)習(xí)技術(shù)領(lǐng)域，具體涉及一種基于GAN網(wǎng)絡(luò)的遙感數(shù)據(jù)隱私保護(hù)方法。

背景技術(shù)

生成式對(duì)抗網(wǎng)絡(luò)（GAN, Generative Adversarial Networks ）是無(wú)監(jiān)督式學(xué)習(xí)的一種方法，最初由 Ian Goodfellow 提出，是近年來(lái)復(fù)雜分布上無(wú)監(jiān)督學(xué)習(xí)最重要的方法之一。生成對(duì)抗網(wǎng)絡(luò)由一個(gè)生成網(wǎng)絡(luò)（Generator）與一個(gè)判別網(wǎng)絡(luò)（Discriminator）組成，生成網(wǎng)絡(luò)從潛在空間中隨機(jī)取樣作為輸入，其輸出結(jié)果需要盡量模仿訓(xùn)練集中的真實(shí)樣本。判別網(wǎng)絡(luò)的輸入則為真實(shí)樣本或生成網(wǎng)絡(luò)的輸出，其目的是將生成網(wǎng)絡(luò)的輸出從真實(shí)樣本中盡可能分辨出來(lái)。通過(guò)兩個(gè)網(wǎng)絡(luò)在同一時(shí)間訓(xùn)練并且在極小化極大算法中進(jìn)行競(jìng)爭(zhēng)，通過(guò)互相博弈學(xué)習(xí)產(chǎn)生高質(zhì)量的輸出，最終通過(guò)其相互對(duì)抗學(xué)習(xí)，從復(fù)雜概率分布中采樣，完成兩個(gè)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。GAN網(wǎng)絡(luò)技術(shù)已經(jīng)廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、語(yǔ)音生成等多個(gè)領(lǐng)域。

近年來(lái)，隨著遙感技術(shù)的發(fā)展，遙感數(shù)據(jù)的應(yīng)用更加廣泛，在獲取基礎(chǔ)地理數(shù)據(jù)、資源信息和應(yīng)急災(zāi)害數(shù)據(jù)方面，遙感比其它技術(shù)手段更有優(yōu)勢(shì)，也有越來(lái)越多的GIS系統(tǒng)依賴于遙感信息。衛(wèi)星拍攝得到的多光譜圖像和全色圖像，通過(guò)圖像融合形成更高空間分辨率和光譜分辨率的遙感影像，實(shí)現(xiàn)準(zhǔn)確地識(shí)別和定位影像中的物體。在遙感數(shù)據(jù)充分利用的同時(shí)，數(shù)據(jù)脫敏和隱私保護(hù)也更加重要，在實(shí)際應(yīng)用中的遙感數(shù)據(jù)需要進(jìn)行處理，例如改變某個(gè)山體或建筑的區(qū)域形狀和坐標(biāo)，隱藏掉某些代表身份信息的個(gè)體等，這需要進(jìn)行大量的工作。在這種情況下，如何有效利用GAN網(wǎng)絡(luò)技術(shù)，高效準(zhǔn)確的生成脫敏遙感數(shù)據(jù)，實(shí)現(xiàn)遙感數(shù)據(jù)的隱私保護(hù)成為亟須解決的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明為了克服以上技術(shù)的不足，提供了一種利用GAN網(wǎng)絡(luò)結(jié)合超分辨率圖像生成和隱私目標(biāo)圖像消除修復(fù)兩種方法，訓(xùn)練并形成遙感數(shù)據(jù)脫敏神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)生成更加合理的數(shù)據(jù)脫敏高分辨率遙感影像的方法。

本發(fā)明克服其技術(shù)問(wèn)題所采用的技術(shù)方案是：

一種基于GAN網(wǎng)絡(luò)的遙感數(shù)據(jù)隱私保護(hù)方法，包括如下步驟：

a)根據(jù)衛(wèi)星得到的多光譜圖像及全色圖像，對(duì)圖像進(jìn)行融合，得到脫敏后的整張高分辨率遙感圖像Xhr；

b)訓(xùn)練超分辨率生成對(duì)抗網(wǎng)絡(luò)，超分辨生成對(duì)抗網(wǎng)絡(luò)由生成器Gsr和判別器Dsr構(gòu)成；

c)將原始的高分辨率遙感影像Xh經(jīng)過(guò)分辨率壓縮模塊處理得到壓縮后遙感影像Xc，建立由數(shù)據(jù)對(duì)（Xc,Xhr）構(gòu)成的訓(xùn)練集；

d)固定判別器Dsr的網(wǎng)絡(luò)參數(shù)，將遙感影像Xc輸入到生成器Gsr中，生成超分辨率遙感影像Xg；

e)固定生成器Gsr的網(wǎng)絡(luò)參數(shù)，訓(xùn)練判別器Dsr；

f)交替訓(xùn)練判別器Dsr和生成器Gsr，得到超分辨率生成對(duì)抗網(wǎng)絡(luò)模型；

g)訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)GaN，生成對(duì)抗網(wǎng)絡(luò)GaN由生成器Ginp和判別器Dinp構(gòu)成；

h)將原始的高分辨率遙感影像Xh依次經(jīng)過(guò)目標(biāo)檢測(cè)模塊、目標(biāo)圖像語(yǔ)義分割模塊、目標(biāo)區(qū)域消除模塊處理后得到遙感影像Xd，建立由數(shù)據(jù)對(duì)（Xd,Xhr）構(gòu)成的訓(xùn)練集；