(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210945717.8 (22)申请日 2022.08.08 (71)申请人 宝略科技 （浙江） 有限公司 地址 315000 浙江省宁波市 鄞州区学士 路 655号E楼9层912、 913室 (72)发明人 周鑫　费佳宁　高广　吴敦　孙华　 黄啸　应良中　 (74)专利代理 机构 余姚德盛专利代理事务所 (普通合伙) 33239 专利代理师 周积德 (51)Int.Cl. G06T 3/00(2006.01) G06F 40/289(2020.01) G06F 40/242(2020.01) G06F 40/30(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 文本与历史影像双驱动的遥感影像脱敏方 法 (57)摘要 一种文本与历史影像双驱动的遥感影像脱 敏方法， 包括： 构建三个深度学习模型； 对前后时 相的遥感影像、 敏感区域矢量进行空间配准， 将 前后时相的遥感影像切割成固定大小的小图， 并 对小图添加文本描述， 得到第一前时相训练集和 第一后时相训练集； 获取不包含 敏感区域的第二 前时相训练集和第二后时相数据集； 使用第二前 时相训练集和第二后时相数据集训练得到生成 模型和判别模型； 训练得到脱敏模型和判别模 型； 将第一前时相训练集和输出结果组合成数据 集； 训练结束后得到脱敏模型和判别模型； 输入 同一位置 前后两个时相的遥感影像、 敏感区域掩 膜， 两期的指导文本， 扰动参数到脱敏推理算法 中， 得到符合文本内容和结果地物时序一致性的 遥感影像脱敏结果。 权利要求书2页 说明书8页 附图7页 CN 115272059 A 2022.11.01 CN 115272059 A 1.一种文本与历史影 像双驱动的遥感影 像脱敏方法， 其特 征在于包括： 第一步骤： 构建三个深度学习模型， 所述三个深度学习模型分别为： 基于SSA ‑GAN的文 本生成遥感影像模 型、 基于改进ViT和UNet的文本指导的遥感影像脱 敏模型、 文本和历史影 像双驱动的遥感影 像脱敏模型； 第二步骤： 对前后时相的遥感影像、 敏感区域矢量进行空间配准， 将前后时相的遥感影 像切割成固定大小的小图， 并对小图添加文本描述， 得到第一前时相训练集和第一后时相 训练集； 删除第一前时相训练集和 第一后时相训练集中与敏感区域矢量存在空间重叠的数 据， 从而得到不包 含敏感区域的第二前时相训练集和第二后时相数据集； 第三步骤： 使用第二前时相训练集和第二后时相数据集训练基于SSA ‑GAN的文本生成 遥感影像模型， 训练结束后得到生成模型S SA‑GAN‑TG和判别模型S SA‑GAN‑TD； 第四步骤： 使用第一前时相训练集和生成模型SSA ‑GAN‑TG训练基于改进ViT和UNet的 文本指导的遥感影像脱敏模 型， 训练结束后得脱 敏模型ViT ‑UNet‑RG和判别模型ViT ‑UNet‑ RD； 第五步骤： 使用脱敏模型ViT ‑UNet‑RG和生成模型SSA ‑GAN‑TG对第一前时相训练集中 的数据进行处 理， 得到输出结果S1， 将第一前时相训练集和输出 结果组合成数据集 第六步骤： 使用数据集 第一后时相训练集和生成模型SSA ‑GAN‑TG训练文本和 历史 影像双驱动的遥感影像脱敏模型， 训练结束后得到脱 敏模型VU ‑His‑RG和判别模 型VU‑His‑ RD； 第七步骤： 将脱敏模型VU ‑His‑RG、 脱敏模型ViT ‑UNet‑RG和生成模型SSA ‑GAN‑TG作为 脱敏推理算法的应用模型， 输入同一位置前后两个时相的遥感影像、 敏感区域掩膜， 两期的 指导文本， 扰动参数到脱敏推理算法中， 得到符合文本内容和结果地物时序一致性的遥感 影像脱敏结果。 2.根据权利要求1所述的文本与历史影像双驱动的遥感影像脱敏方法， 其特征在于， 第 二步骤使用滑动窗口法将前后时相的遥感影 像切割成固定大小的小图。 3.根据权利要求1或2所述的文本与历史影像双驱动的遥感影像脱敏方法， 其特征在 于， 第二步骤采用人工标注的方式对小图添加文本描述。 4.根据权利要求1或2所述的文本与历史影像双驱动的遥感影像脱敏方法， 其特征在 于， 在第二步骤， 依次取出第一前时相训练集和 第一后时相训练集中的小图， 将其与敏感区 域矢量进行空间分析， 如果二者不存在空间重叠关系， 则将取出其放入不包含敏感区域的 第二前时相训练集和第二后时相数据集中。 5.根据权利要求1或2所述的文本与历史影像双驱动的遥感影像脱敏方法， 其特征在 于， 在第二步骤， 在QGis软件中， 使用几何校正工具Georeference对前后时相的遥感影像、 敏感区域矢量进行空间配准。 6.根据权利要求1或2所述的文本与历史影像双驱动的遥感影像脱敏方法， 其特征在 于， ， 第三 步骤训练时的随机扰动为从符合 正态分布的数据中随机抽取一组数据。 7.根据权利要求1或2所述的文本与历史影像双驱动的遥感影像脱敏方法， 其特征在 于， 扰动参数为随机抽取的符合 正态分布的一组数据。 8.根据权利要求1或2所述的文本与历史影像双驱动的遥感影像脱敏方法， 其特征在权　利　要　求　书 1/2 页 2 CN 115272059 A 2于， 第七步骤 采用的脱敏算法的流 程包括： 1)假设输入同一位置前后两个时相的遥感影像Xpre、 Xaft， 敏感区域掩膜M， 两期的指导 文本Cpre、 Caft， 扰动参数N； 2)当输入的数据中不包含前时相数据Xpre， 将Xaft、 Caft、 M和N输入到脱敏模型ViT ‑UNet‑ RG得到脱敏 结果， 算法结束； 否则执 行步骤3)； 3)依据是否具有前时相文本判断前时相是否使用了本文方法进行脱敏， 若判断前时相 使用本文方法脱敏， 则将Xpre、 Xaft、 Cpre、 Caft、 M和N输入到脱敏模型VU ‑His‑RG模型中， 得到脱 敏结果， 算法结束； 否则继续执 行步骤4)； 4)判断扰动参数N是否为空来确定前时相是否包含敏感区域， 若N不为空则清空文本， 将Xpre、 Xaft、 Cpre、 Caft、 M和N输入到脱敏模型VU ‑His‑RG模型得到脱敏结果， 算法结束； 否则继 续执行步骤5)； 5)清空前时相文本， 清空前时像图像， 将 Xprt、 Xaft、 Cpre、 Caft、 M和N输入脱敏模型VU ‑His‑ RG中， 得到脱敏 结果， 算法结束。权　利　要　求　书 2/2 页 3 CN 115272059 A 3