基于深度学习的高分遥感影像感知哈希认证算法研究

The development of high-resolution earth observation system is related to national security and social development, which makes the authentication theory and technology research of the remote sensing image to be of great significance. The traditional authentication technologies, which are too sensitive to the change of data, cannot meet the requirement of authentication for high-resolution remote sensing image in complex environment. Perceptual hash can realize content-based authentication for remote sensing image authentication, while the main perceptual hash algorithm is lack of learning ability, and the robustness of the algorithm and the accuracy of tamper detection are deficient. According to the characteristics of high-resolution remote sensing image, such as high resolution, multi-scale objects, measurable and etc., this project is intended to study the universal perceptual hash authentication algorithms for high resolution remote sensing image, special requirement oriented perceptual hash authentication algorithms and transfer learning-based perceptual hash authentication algorithms, to solve the related key issues such as perceptual feature extraction, dimensionality mapping between perceptual feature and hash sequence and the conflict between the robustness and sensitivity of tamper, to overcome the defects of the traditional authentication technologies, to realize the authentication of authenticity and integrality for high-resolution remote sensing image based on perceptual content under different application requirements. The authentication algorithm proposed in this project, which can provide security technical guarantee for the application of high-resolution remote sensing image data, are expected to provide the innovative outcomes in perceptual hash research for high-resolution remote sensing image, and enrich the theory and methodology system of authentication for geographic data.

高分辨率对地观测技术的发展关乎国家安全和社会发展，因此高分影像的认证技术研究具有重要意义。传统认证技术对数据的变化过于敏感，不能满足复杂环境下高分影像的认证需求。感知哈希能够实现高分影像基于感知内容的认证，但主流的感知哈希算法缺乏自主学习能力，鲁棒性、篡改检测精度等方面存在不足。本项目针对高分影像具有高分辨率、目标多尺度化、可量测等特点，结合深度学习在特征学习与表达方面的优势，研究通用的高分影像感知哈希认证算法、面向特殊需求的感知哈希认证算法以及迁移模式下的感知哈希认证算法等，解决高分影像感知特征提取、感知特征的降维映射以及鲁棒性与篡改敏感性之间矛盾等关键科学问题，克服现有认证技术在高分影像认证中的不足，实现不同应用需求下高分影像基于感知内容的认证。本项目的研究能够为高分影像数据的应用提供安全技术保障，可望在高分影像的认证理论与技术研究中取得创新性成果，充实地理信息的安全理论与方法体系。

高分影像在越来越多的行业得到应用，但有效利用高分影像的隐含前提是：其安全性必须得到保障，尤其是数据的完整性、真实性。传统认证技术对数据的变化过于敏感，不能满足复杂环境下高分影像的认证需求。已有感知哈希能够实现基于感知内容的认证，但缺乏自主学习能力，鲁棒性、篡改检测精度等方面存在不足。本项目针对高分影像感知哈希存在的问题，结合深度学习在特征表达方面的优势，研究基于深度学习的高分影像感知哈希认证算法，取得一系列成果：（1）提出了基于改进型U-net的高分影像感知哈希认证算法，该算法的鲁棒性相对于已有算法有了较大提高；（2）提出了专门用于高分影像感知特征提取的深度神经网络模型MUM-Net，该模型通过多尺度的输入来提取更丰富的影像特征，并通过M型子网络对特征进行去噪，综合性能优于现有的U-net、MultiResNet等模型；（3）提出了轻量型的深度神经网络Semi-U-net，在复杂度、计算速度等方面有了较大改进；（4）针对随着高分影像的分辨率越来越高、应用环境越来越复杂等而出现的各种问题，本项目提出“主题敏感感知哈希（subject-sensitive perceptual hash）”的概念，以实现主题偏向性的完整性认证；（5）本项目提出了专门用于主题敏感哈希的深度神经网络AAU-net，该模型对“主题相关”篡改和“主题不相关”篡改的区分能力有了较大提升。.本项目取得一系列的成果，包括：本项目第一标注的学术论文十多篇（4篇SCI，含1篇Top），第二标注SCI论文2篇；项目负责人授权的发明专利1项；项目负责人获得江苏省测绘地理信息科技进步二等奖等学术奖励。