【技術實現步驟摘要】
本專利技術涉及圖像處理，尤其涉及一種遙感影像真偽鑒別方法及系統。
技術介紹
1、現有的遙感影像真偽鑒別技術主要面向自然圖像設計，可大致分為基于圖像域特征和基于頻率域特征的方法。基于圖像域特征的方法通過設計手工特征，或修改具備強大特征提取能力的神經網絡，以在圖像域捕獲虛假影像的偽造痕跡。作為早期的主流方法，其成功的關鍵往往依賴設計者對影像虛假特征的深刻洞察和精準理解。但基于圖像域特征的方法通常只在有著明顯偽造痕跡的低質量生成影像上取得良好效果。而隨著對抗生成模型的飛速進步，影像的真偽愈發難以憑借肉眼分辨。
2、對此，部分研究發現，高頻偽影可作為鑒別影像真偽的關鍵線索。這種高頻偽影本質上是由對抗生成模型解碼器的上采樣缺陷以及模型訓練損失函數的平滑效應共同引起的。基于該先驗規律，大量影像真偽鑒別技術開始聚焦于捕捉頻域內的獨特偽造痕跡，并取得了令人印象深刻的結果。然而，不同對抗生成模型生成影像包含高頻偽影的模式存在差異，而基于頻率域特征的偽造影像檢測算法很容易對訓練集中的特定模式過擬合，難以實現跨數據集泛化。并且，隨著以擴散模型為代表的aigc技術進一步突破，僅依賴頻率域先驗進行影像真偽鑒別方法的可靠性也面臨嚴峻挑戰。而一些基于混合域特征的影像真偽鑒別技術雖然通過結合圖像域和頻率域特征在泛化性方面取得一定提升，但在頻率域特征提取方面存在不足。具體而言，這些方法因缺少針對性的頻率域特征提取器，往往難以充分解耦并凸顯對識別偽造痕跡至關重要的高頻信息。缺乏將其深度融合的機制，不利于充分發揮兩種特征在虛假遙感影像檢測中的協同互補作用
技術實現思路
1、本專利技術的目的在于克服現有技術的不足，本專利技術提供了一種遙感影像真偽鑒別方法及系統，實現更為先進的遙感影像真偽鑒別精度，捕獲了關于不同虛假圖像的泛化性特征。
2、為了解決上述技術問題，本專利技術提供了一種遙感影像真偽鑒別方法，其特征在于，所述方法包括：
3、獲取遙感影像，基于圖像域編碼器對所述遙感影像進行圖像域特征提取處理，獲得圖像域特征；
4、基于頻率域編碼器對所述遙感影像進行頻率域特征提取處理，獲得頻率域特征；
5、基于多域表征統一映射模塊對所述圖像域特征和頻率域特征進行初步融合，獲得初步融合特征；
6、基于混合域特征優化模塊對所述初步融合特征進行優化，獲得目標融合特征；
7、基于所述目標融合特征進行遙感影像的真偽鑒別處理，獲得真偽鑒別結果。
8、可選的，所述圖像域編碼器的表達式為：
9、，
10、其中，f為圖像域編碼器的輸出，x為輸入的遙感影像，為卷積操作，bn為批次正則化操作，relu為激活函數，maxpool為最大值池化操作。
11、可選的，所述頻率域編碼器包括圖像頻率域表征模塊、高頻特征提取模塊和頻率卷積層。
12、可選的，所述圖像頻率域表征模塊用于對所述遙感影像進行中低頻信息過濾處理，其中，中低頻信息過濾處理的過程為：
13、，
14、其中，為中低頻信息過濾處理后的遙感影像，ifft()為逆快速傅里葉變換，b()為高通濾波器，fft()為快速傅里葉變換，x為輸入的遙感影像，
15、所述高通濾波器的運算規則為：
16、，
17、其中，b()為高通濾波器，為遙感影像中輸入特征x中第i行第j列的元素。
18、可選的，所述高頻特征提取模塊用于對中低頻信息過濾處理后的遙感影像進行高頻增強，獲得高頻增強后的遙感影像，其中，高頻增強的過程為：
19、，
20、其中，為高頻增強后的遙感圖像，為執行跨空間的快速傅里葉逆變換操作，b()為高通濾波器，為執行跨空間的快速傅里葉變換操作，為跨通道維度的快速傅里葉逆變換操作，為跨通道維度的快速傅里葉變換操作，f為輸入特征，為空間維度的高頻增強，為通道維度的高頻增強。
21、可選的，所述頻率卷積層用于對高頻增強后的遙感影像進行特征分析，獲得頻率域特征，其中，特征分析過程為：
22、，
23、，
24、，
25、其中，為頻域特征，為快速傅里葉變換，f為輸入特征，為應用于相位頻譜的卷積層，為應用于振幅頻譜的卷積層，為頻譜分解后的頻域特征，為激活函數，為頻率域特征，為快速傅里葉逆變換操作。
26、可選的，所述基于多域表征統一映射模塊對所述圖像域特征和頻率域特征進行初步融合，獲得初步融合特征，包括：
27、設置跨投影單元的快捷連接，基于跨投影單元的快捷連接和若干個特征投影單元對所述圖像域特征和頻率域特征進行特征映射，獲得初步融合特征，其中，每個特征投影單元為基于若干個3*3卷積層和1*1卷積層進行堆疊所生成的，每個卷積層包括非線性激活函數。
28、可選的，所述基于混合域特征優化模塊對所述初步融合特征進行優化，獲得目標融合特征，包括：
29、基于平均池化和最大池化操作對所述初步融合特征進行空間信息聚合，獲得空間上下文描述符；
30、基于共享網絡利用所述空間上下文描述符生成信道注意力圖；
31、基于所述信道注意力圖對所述初步融合特征進行通道注意力處理，獲得通道注意力處理后的初步融合特征，其中，通道注意力處理的過程為：
32、，
33、其中，為通道注意力處理結果，為通道注意力機制操作，f為初步融合特征，為像素級的乘法操作；
34、基于池化操作對通道注意力處理后的初步融合特征進行信道信息匯總，獲得二維圖；
35、基于卷積層對所述二維圖進行串聯和卷積處理，獲得二維空間注意力圖；
36、基于所述二維空間注意力圖對通道注意力處理后的初步融合特征進行空間注意力處理，獲得目標融合特征，其中，空間注意力處理的過程為：
37、，
38、其中，為空間注意力處理結果，為通道注意力處理結果，為空間注意力機制操作。
39、可選的，所述通道注意力機制操作為：
40、，
41、其中，為通道注意力機制操作，為sigmoid函數，為多層感知器，為平均池化操作，f為初步融合特征，為最大池化操作，和為多層感知器的可學習權重參數，為平均池化特征，為最大池化特征；
42、所述空間注意力機制操作為：
43、，
44、其中，為空間注意力機制操作，為sigmoid函數，為濾波器大小為7×7?的卷積運算，為平均池化操作，f為初步融合特征，為最大池化操作，為平均池化特征，為最大池化特征。
45、另外，本專利技術還提供了一種遙感影像真偽鑒別系統，所述系統包括：
46、圖像域特征提取模塊：用于獲取遙感影像，基于圖像域編碼器對所述遙感影像進行圖像域特征提取處理，獲得圖像域特征；
47、頻率域特征提取模塊：用于基于頻率域編碼器對所述遙感影像進行頻率域特征提取處理，獲得頻率域本文檔來自技高網...
【技術保護點】
1.一種遙感影像真偽鑒別方法，其特征在于，所述方法包括：
2.根據權利要求1所述的遙感影像真偽鑒別方法，其特征在于，所述圖像域編碼器的表達式為：
3.根據權利要求1所述的遙感影像真偽鑒別方法，其特征在于，所述頻率域編碼器包括圖像頻率域表征模塊、高頻特征提取模塊和頻率卷積層。
4.根據權利要求3所述的遙感影像真偽鑒別方法，其特征在于，所述圖像頻率域表征模塊用于對所述遙感影像進行中低頻信息過濾處理，其中，中低頻信息過濾處理的過程為：
5.根據權利要求3所述的遙感影像真偽鑒別方法，其特征在于，所述高頻特征提取模塊用于對中低頻信息過濾處理后的遙感影像進行高頻增強，獲得高頻增強后的遙感影像，其中，高頻增強的過程為：
6.根據權利要求3所述的遙感影像真偽鑒別方法，其特征在于，所述頻率卷積層用于對高頻增強后的遙感影像進行特征分析，獲得頻率域特征，其中，特征分析過程為：
7.根據權利要求1所述的遙感影像真偽鑒別方法，其特征在于，所述基于多域表征統一映射模塊對所述圖像域特征和頻率域特征進行初步融合，獲得初步融合特征，包括：p>
8.根據權利要求1所述的遙感影像真偽鑒別方法，其特征在于，所述基于混合域特征優化模塊對所述初步融合特征進行優化，獲得目標融合特征，包括：
9.根據權利要求8所述的遙感影像真偽鑒別方法，其特征在于，所述通道注意力機制操作為：
10.一種遙感影像真偽鑒別系統，其特征在于，所述系統包括：
...【技術特征摘要】
1.一種遙感影像真偽鑒別方法，其特征在于，所述方法包括：
2.根據權利要求1所述的遙感影像真偽鑒別方法，其特征在于，所述圖像域編碼器的表達式為：
3.根據權利要求1所述的遙感影像真偽鑒別方法，其特征在于，所述頻率域編碼器包括圖像頻率域表征模塊、高頻特征提取模塊和頻率卷積層。
4.根據權利要求3所述的遙感影像真偽鑒別方法，其特征在于，所述圖像頻率域表征模塊用于對所述遙感影像進行中低頻信息過濾處理，其中，中低頻信息過濾處理的過程為：
5.根據權利要求3所述的遙感影像真偽鑒別方法，其特征在于，所述高頻特征提取模塊用于對中低頻信息過濾處理后的遙感影像進行高頻增強，獲得高頻增強后的遙感影像，其中，高頻增強的過程...
【專利技術屬性】
技術研發人員：齊霽，阮永儉，趙軍，肖祖香，葉丁奇，王椰，張新長，郭鑫，
申請(專利權)人：深圳市規劃和自然資源數據管理中心深圳市空間地理信息中心，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。