[发明专利]一种基于生成对抗网络的地理栅格智能化局部脱敏方法

权利要求书

1.一种基于生成对抗网络的地理栅格智能化局部脱敏方法，其特征在于：具体包括以下步骤：

S101：获取地理栅格数据集，并对数据集进行识别和裁剪预处理，得到预处理后的数据集；

S102：构建脱敏边缘生成网络；所述脱敏边缘生成网络包括边缘生成器G1和边缘判别器D1；根据预处理后的数据集中人工标注的源数据敏感区域位置，得到边缘对抗器D1的输入数据；所述边缘对抗器D1的输入数据包括：敏感区域的灰度掩膜mask M，非敏感区域的边缘地图和非敏感区域对应的灰度图

S103：设计脱敏边缘生成网络的脱敏损失函数，并进行训练，最终利用边缘生成器G1输出已经脱敏完成的地理栅格脱敏边缘图C_pred；

S104：构建图像补全网络；所述图像补全网络包括边缘图引导补全生成器G2和边缘图引导补全判别器D2；将脱敏完成的地理栅格脱敏边缘图C_pred、敏感区域的灰度掩膜mask M、预处理后的数据集输入至所述边缘图引导补全判别器D2；

S105：设计图像补全网络损失函数，根据输入数据进行训练，最终利用边缘图引导补全生成器G2输出脱敏彩色地理栅格I_pred。

2.如权利要求1所述的一种基于生成对抗网络的地理栅格智能化局部脱敏方法，其特征在于：步骤S101中，对数据集进行识别和裁剪预处理，具体为：

S201：对地理栅格数据集中的原始影像灰度化处理，随后再进行二值化处理，得到二值化影像；

S202：以3×3矩形结构元素对二值化影像进行形态学开运算，得到形态学处理后的影像；

S203：以4连通方式标出开运算后影像的所有连通区域，排序得到最大连通域并标识出区域的外接边框；

S204：通过接边框裁切原始影像得到有效影像部分，并以256×256分割得到预处理后的数据集。

3.如权利要求1所述的一种基于生成对抗网络的地理栅格智能化局部脱敏方法，其特征在于：步骤S102中，根据预处理后的数据集中人工标注的源数据敏感区域位置，得到边缘对抗器D1的输入数据，具体包括以下步骤:

S301：对地理栅格数据集中原始影像边缘图C_gt灰度化操作，得到对应的灰度图I_gray；

S302：利用人工标注的mask区域，用黑色对影像地理栅格的敏感位置进行填充遮罩，标记出地图的敏感区域，得到敏感区域的掩膜影像mask M；

S303：使用canny边缘检测算法，将边缘图和标记敏感区域的mask M进行哈达玛积运算，如式(1)所示，得到非敏感区域的边缘图

式(1)中，⊙为矩阵的哈达玛积运算，M是标记敏感区域的mask M；

S304：将灰度图I_gray与标记敏感区域mask进行哈达玛积运算后去除敏感区域，如式(2)所示，得到非敏感区域灰度图

S305：将以上得到的敏感区域的掩膜影像mask M，非敏感区域的边缘地图以及非敏感区域对应的灰度图三者输入到边缘对抗器D1。