【技术实现步骤摘要】
本专利技术属于人工智能安全，具体涉及一种高光谱图像对抗样本生成方法及高光谱目标检测模型测试方法。
技术介绍
1、高光谱图像是通过高光谱相机拍摄出的具有空间可识别性、超多波段、光谱分辨率高以及图谱合一等优点的图像。与普通图像不同，高光谱图像不仅包含目标的位置和形状信息，还包含丰富的光谱信息。在高光谱图像中，每个像素都可以看作是一个高维向量，像素的数值对应于特定波长的光谱反射率。由于同一物体的不同部分对不同波段的光谱吸收程度不同，所以高光谱图像相较于普通图像更能充分反映目标之间的内部差异。因而高光谱技术被广泛应用在遥感、图像场景分类、医学成像、军事目标识别等高精度领域。
2、随着人工智能技术的发展，深度神经网络越来越多的被引入高光谱目标检测技术上。但是，近年来的研究表明，深度神经网络容易受到攻击算法的干扰，造成了人工智能安全方面的隐患。一般的攻击算法主要通过对原始样本添加一些对抗性扰动，生成对抗样本，来误导训练好的网络做出错误的预测。因此，有必要针对高光谱目标检测网络(高光谱目标检测模型)进行抵御攻击方面的性能测试验证。一般而言...
【技术保护点】
1.一种高光谱图像对抗样本生成方法，其特征在于，包括：
2.根据权利要求1所述的高光谱图像对抗样本生成方法，其特征在于，基于所述代理模型，结合目标类别的光谱特征和空间特征制作混合图像，具体包括：
3.根据权利要求2所述的高光谱图像对抗样本生成方法，其特征在于，基于所述代理模型，获得各个目标类别的通道敏感度折线图，具体包括：
4.根据权利要求3所述的高光谱图像对抗样本生成方法，其特征在于，利用改进后的Saliency Maps算法，获得高光谱图像中每个像素点的每个光谱通道对分类影响的权重，具体包括：
5.根据权利要求2所述...
【技术特征摘要】
1.一种高光谱图像对抗样本生成方法，其特征在于，包括：
2.根据权利要求1所述的高光谱图像对抗样本生成方法，其特征在于，基于所述代理模型，结合目标类别的光谱特征和空间特征制作混合图像，具体包括：
3.根据权利要求2所述的高光谱图像对抗样本生成方法，其特征在于，基于所述代理模型，获得各个目标类别的通道敏感度折线图，具体包括：
4.根据权利要求3所述的高光谱图像对抗样本生成方法，其特征在于，利用改进后的saliency maps算法，获得高光谱图像中每个像素点的每个光谱通道对分类影响的权重，具体包括：
5.根据权利要求2所述的高光谱图像对抗样本生成方法，其特征在于，结合所述折线图，分析各个目标类别的光敏感区域，并生成混合向量，具体包括：
6.根...
【专利技术属性】
技术研发人员：高大化，李睿拓，刘丹华，贺昱，牛毅，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。