[发明专利]基于多视角特征的遥感影像篡改目标检测方法及系统

权利要求书

1.一种基于多视角特征的遥感影像篡改目标检测系统，其特征在于，包括边界检测模块、噪声检测模块、双重注意力特征融合模块、结果输出模块以及多尺度监督损失模块，其中：

边界检测模块将残差网络不同层次的块特征以渐进方式进行组合，从而基于客户端上传的遥感影像检测获得隐藏目标经伪装遮蔽处理出现的边界伪影，从而获得边界伪影特征图；

噪声检测模块对客户端上传的遥感影像进行噪声提取后得到噪音图像，再捕捉隐藏目标区域与其余正常区域的噪声分布的差异特征作为通用的非语义特征，从而获得噪声分布特征图；

双重注意力特征融合模块，用于融合边界检测模块获得的边界伪影特征图以及噪声检测模块获得的噪声分布特征图；

结果输出模块：根据双重注意力特征融合模块的输出结果识别并输出遥感影像被篡改区域坐标与篡改方式；

多尺度监督损失模块，用于使用三种尺度的损失函数联合训练由边界检测模块、噪声检测模块、双重注意力模块以及结果输出模块组成的检测模型。

2.如权利要求1所述的一种基于多视角特征的遥感影像篡改目标检测系统，其特征在于，所述三种尺度的损失函数包括像素级损失函数、图像级损失函数以及边界损失函数，其中，像素级损失函数用于提高模型对像素级操作检测的敏感性，图像级损失函数用于提高模型对图像级操作检测的特殊性，边界损失函数用于学习非语义特征不仅能够精准定位隐藏目标，而且保证模型的强泛化能力。

3.一种基于权利要求1所述的遥感影像篡改目标检测系统实现的基于多视角特征的遥感影像篡改目标检测方法，其特征在于，包括以下步骤：

步骤1、基于边界检测模块、噪声检测模块、双重注意力特征融合模块以及结果输出模块构建检测模型；

步骤2、对检测模型进行训练，包括以下步骤：

步骤201、采集样本数据，构建训练数据集；

步骤202、由多尺度监督损失模块使用三种尺度的损失函数联合训练检测模型；

检测模型的实现包括以下步骤：

步骤2021、利用边界检测模块基于遥感影像将不同层次的残差块的特征以渐进的方式进行组合，检测隐藏目标经伪装遮蔽处理出现的边界伪影，得到K个边界伪影特征图；

将边界检测模块的输出经过sigmoid函数计算每个像素的边界检测概率，如下式所示：

G_edge(x_i)＝σ(Sobel–ResNet(x_i))

式中，G_edge(x_i)表示第i个像素x_i的边界检测概率；σ表示sigmoid函数；Sobel–ResNet(x_i)表示带有Sobel层的ResNet残差网络；

步骤2022、噪声检测模块提取遥感影像中的噪声分布，再通过残差网络捕捉隐藏目标区域与遥感影像其余正常区域的噪声分布的差异特征，作为通用的非语义特征，获得最终的K个噪声分布特征图；

步骤2023、由双重注意力特征融合模块融合边界检测模块获得的K个通道的边界伪影特征图以及噪声检测模块获得的K个通道的噪声分布特征图，获得新的融合特征图f^fusion；

将融合特征图f^fusion经过双线性上采样处理后，通过sigmoid函数得到计算每个像素点的隐藏目标检测概率，如下式所示：

G(x_i)＝σ(bilinear–sampling(f_i^fusion)

式中：G(x_i)表示第i个像素x_i的隐藏目标检测概率；f_i^fusion表示融合特征图的第i个通道，bilinear–sampling(f_i^fusion)表示对f_i^fusion进行双线性上采样处理；

步骤2024、结果输出模块基于融合特征图f^fusion识别并输出遥感影像被篡改区域坐标与篡改方式；

多尺度监督损失模块使用的三种尺度的损失函数包括：

对于像素级损失，使用Dice损失作为像素级损失loss^pixel：

式中，W、H分别表示遥感影像宽度和高度，y_i表示特征图y第i个像素点的值。

对于图像级损失，使用二分类交叉熵损失作为图像级损失loss^img：

loss^img＝-(y·log G(x)+(1-y)·log(1-G(x)))

式中，G(x)表示图像x存在隐藏目标检测概率，y表示图像是否存在隐藏目标；

对于边界损失，使用Dice损失作为边界损失loss^edge来检测伪装遮蔽处理的隐藏目标区域边界：

式中，y′_i∈{0,1}表示第i个像素是否属于隐藏目标区域边界，由步骤2021将边界检测模块的输出经过sigmoid函数计算得到。

步骤3、将客户端实时上传的遥感影像数据输入训练后的检测模型，检测模型在服务端输出遥感影像被篡改区域坐标与篡改方式的检测结果。