【技术实现步骤摘要】
本申请涉及遥感图像处理，尤其涉及一种遥感影像敏感目标消除方法、装置、设备及存储介质。
技术介绍
1、随着遥感技术和卫星观测技术的飞速发展，高分辨率遥感影像的获取日益便捷，这些影像因其丰富的空间纹理特征和语义信息，在多个领域展现出了巨大的应用潜力。大尺度、高分辨率卫星遥感影像由于其空间覆盖率广、细节丰富、地理信息精确等。然而，这些影像往往包含敏感信息，如国家重点设施或涉及公民隐私的内容信息，含有敏感信息的遥感影像数据应按国家标准进行脱密、脱敏处理，以满足公开共享的需求。因此，大尺度高分辨率遥感影像中的敏感信息去除问题逐渐成为研究重点，如何在保留影像应用价值的前提下有效消除敏感目标，已成为一个迫切需要解决的问题。
2、在高分辨率遥感影像敏感目标消除领域，传统方法主要依赖图像处理与机器学习技术。这些方法在早期研究中发挥了一定作用，能够在一定程度上实现敏感目标的消除任务。然而，随着高分辨率影像应用场景的日益复杂，其局限性逐渐凸显。高分辨率影像包含丰富的细节和复杂的场景信息，传统方法在处理此类影像时，往往难以准确识别目标边缘，导致边缘模糊现象严重。同时，由于缺乏对复杂纹理特征的有效提取能力，在消除目标过程中容易丢失关键细节，使得处理后的图像质量大打折扣，难以在消除精度和图像质量之间达成平衡。
3、近年来，深度学习技术在计算机视觉领域的显著进展为目标检测和图像修复领域带来了新的机遇。目前常用的目标检测模型包括yolo系列、faster r-cnn及基于transformer的目标检测网络等，这些模型能够有效提取图像中
4、深度学习在图像修复领域中的应用也取得了显著进展，生成对抗网络（generative adversarial network, gan）、卷积神经网络（convolutional neuralnetworks, cnn）、transformer等模型在提升图像修复质量与处理复杂场景方面展现了巨大潜力。以文献《pathak d, krahenbuhl p, donahue j, et al. context encoders:feature learning by inpainting. proceedings of the ieee conference oncomputer vision and pattern recognition[c], 2016:2536-2544.》提出的上下文编码器为例，通过生成图像中的任意区域内容，学会了捕捉图像的外观与语义结构，不仅用于修复任务，还作为cnn模型的有效预训练方法。文献《yu jiahui, zhe lin, yang jimei,shen xiaohui, et al. huang; proceedings of the ieee conference on computervision and pattern recognition[c], 2018:5505-5514.》提出的引入上下文注意力机制的深度生成模型显著提升了修复质量和训练效率。然而，尽管这些修复模型在一般图像修复任务中表现出色，但在面对高分辨率遥感影像中的敏感目标消除任务时，却暴露出了如计算效率和细节重建等诸多方面的问题。
5、综上所述，现有方法在深度学习模型改进中通常侧重于提升目标识别的精度，但在大规模高分辨率遥感影像的实际应用中，实时性能与计算效率同样至关重要，实现识别精度与效率的平衡成为关键考量。此外，目前研究中较少将目标识别与图像修复相结合用于敏感目标消除，而这一结合在确保影像可用性与安全性方面具有重要意义。
技术实现思路
1、本申请提供一种遥感影像敏感目标消除方法、装置、设备及存储介质，旨在准确高效的检测并去除图像中的敏感内容。本申请首先对图像进行分块预处理，以减少计算负担并提高处理效率；随后利用深度学习模型识别图像中的敏感目标，并生成相应掩膜以遮挡敏感区域。为确保掩膜精准覆盖目标并减少对背景的干扰，算法采用自适应膨胀策略对掩膜进行调整。针对检测中的漏检和误检现象，引入了人工审核环节，确保所有敏感目标均被准确标记。经人工确认后，自动执行敏感目标的消除操作，并将处理后的图像块无缝拼接回原图。该方法通过结合自动化检测与人工辅助检测，旨在提升敏感目标消除的精确度与效率，为遥感影像安全应用提供一种可行的解决方案。
2、第一方面，本申请提供一种遥感影像敏感目标消除方法，包括：
3、对高分辨率大尺寸影像进行分块处理，得到包含敏感目标的感兴趣区域，并将所述感兴趣区域的地理坐标转换为像素坐标；
4、基于目标区域，利用训练好的实例分割模型对各目标区域进行目标检测，并生成相应的分割掩膜，根据目标面积动态调整分割掩膜的膨胀程度，确定掩膜区域；其中，所述目标区域为在所述感兴趣区域中手动绘制的包含敏感目标的区域；
5、生成填补内容并填充至所述掩膜区域，得到目标消除后的图像，并将所述目标消除后的图像拼接至原图，得到拼接后的图像。
6、在一种可能的设计中，通过如下公式将所述感兴趣区域的地理坐标转换为像素坐标：
7、；
8、式中， x和 y分别表示图像像素的横坐标和纵坐标； x和 y分别表示感兴趣区域的地理横坐标和地理纵坐标； a、 b、 c、 d、 e和 f均本文档来自技高网...
【技术保护点】
1.一种遥感影像敏感目标消除方法，其特征在于，所述方法包括：
2.根据权利要求1所述的遥感影像敏感目标消除方法，其特征在于，通过如下公式将所述感兴趣区域的地理坐标转换为像素坐标：
3.根据权利要求1所述的遥感影像敏感目标消除方法，其特征在于，所述训练好的实例分割模型。
4.根据权利要求1所述的遥感影像敏感目标消除方法，其特征在于，根据目标面积动态调整分割掩膜的膨胀程度，确定掩膜区域的计算过程表示为：
5.根据权利要求1所述的遥感影像敏感目标消除方法，其特征在于，生成填补内容并填充至所述掩膜区域，得到目标消除后的图像，并将所述目标消除后的图像拼接至原图，得到拼接后的图像，包括：
6.根据权利要求1所述的遥感影像敏感目标消除方法，其特征在于，在得到拼接后的图像之后，所述方法还包括：
7.一种遥感影像敏感目标消除装置，其特征在于，所述装置包括：
8.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储
10.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-6中任一项所述的遥感影像敏感目标消除方法。
...【技术特征摘要】
1.一种遥感影像敏感目标消除方法，其特征在于，所述方法包括：
2.根据权利要求1所述的遥感影像敏感目标消除方法，其特征在于，通过如下公式将所述感兴趣区域的地理坐标转换为像素坐标：
3.根据权利要求1所述的遥感影像敏感目标消除方法，其特征在于，所述训练好的实例分割模型。
4.根据权利要求1所述的遥感影像敏感目标消除方法，其特征在于，根据目标面积动态调整分割掩膜的膨胀程度，确定掩膜区域的计算过程表示为：
5.根据权利要求1所述的遥感影像敏感目标消除方法，其特征在于，生成填补内容并填充至所述掩膜区域，得到目标消除后的图像，并将所述目标消除后的图像拼接至原图，得到拼接后的图像，包括...
【专利技术属性】
技术研发人员：任娜，徐雅楠，杨波，唐囡囡，陈钽，杨年鹏，张望，张鸿儒，
申请(专利权)人：南京师范大学，
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。