專題：目標識別與智能安全

特邀策劃人

孫建國

哈爾濱工程大學教授，博士生導師，天地一體化信息技術國家重點實驗室客座教授，工業(yè)和信息化部工業(yè)信息安全人才培養(yǎng)基地主任，哈爾濱工程大學信息與通信工程學院網(wǎng)絡安全卓越示范中心首席科學家，入選某省部級人才獎勵計劃，西安電子科技大學杭州研究院網(wǎng)絡空間安全中心執(zhí)行主任。現(xiàn)擔任國家教育部計算機類工程教育認證專家、國家工業(yè)信息安全專家咨詢委員會專家、工業(yè)和信息化部網(wǎng)絡空間安全重大研究計劃評審專家、軍委科技委主題組責任專家、中船集團科技委計算機與軟件專家組成員，《網(wǎng)絡空間安全》《計算機教育》等期刊編委。主持完成國家自然科學基金、工業(yè)轉型升級(中國制造2025)重點項目、國防技術基礎科研重點項目等基礎科研項目10余項，獲國家、省部級科技獎勵6項，出版國家級“十一五”“十二五”規(guī)劃系列教材4部，建設國家級在線開放課程“信息安全技術”一門，發(fā)表學術論文50余篇(高被引論文1篇)，授權和申請國際、國家技術發(fā)明專利10余項。

內(nèi)容導讀

隨著信息技術尤其是物聯(lián)網(wǎng)、大數(shù)據(jù)領域的飛速發(fā)展，異構網(wǎng)絡的廣泛部署產(chǎn)生了多源、海量、多樣和高維特征的數(shù)據(jù)。在聲、光、電、磁、熱等各類傳感器的輸出數(shù)據(jù)中，感興趣目標識別一直是研究熱點。在軍事、安防、保密等領域，目標識別與信息安全和隱私保護又密不可分。因此，面對新技術條件下的目標識別和智能安全，傳統(tǒng)的處理算法、融合手段、去噪技術等方向都面臨著巨大挑戰(zhàn)。同時，也對保密安全、信息隱寫、隱私保護等網(wǎng)絡安全領域提出了新的問題。隨著國內(nèi)外電子、通信、計算機、控制等領域學者們的不懈努力，相關的研究方法近年來借助深度學習技術獲得了長足發(fā)展，在眾多領域都取得了豐碩成果。有鑒于此，《無線電工程》2021年第11期推出“目標識別與智能安全”專題。專題內(nèi)容涵蓋目標檢測與識別、圖像超分辨率與圖像隱寫三個研究方向的相關成果。

目標檢測與識別方向共收錄3篇論文，分別涉及光學遙感圖像、多光譜遙感圖像和光電醫(yī)療影像中的目標檢測與識別問題。針對海面艦船目標識別過程中的關鍵問題，史超結合基于深度學習和視覺注意力機制，在遙感圖像中檢測海洋艦船目標。基于快速區(qū)域卷積神經(jīng)網(wǎng)絡實現(xiàn)目標檢測，并進一步利用卷積神經(jīng)網(wǎng)絡提取特征，再使用區(qū)域生成網(wǎng)絡選取候選區(qū)域以提高檢測精度和縮短檢測時間。作者還研究了視覺注意力機制的各種模型分析，選取多個注意力模型對檢測算法進行優(yōu)化，在算法的特征提取階段加入注意力機制，使得提取的特征擁有更強的代表性和魯棒性。整個系統(tǒng)集成了卷積塊和注意模塊到卷積神經(jīng)網(wǎng)絡框架中，顯著提高了算法的檢測精度和顯示效果。馮希胤等人在Landsat 8和高分四號衛(wèi)星圖像的基礎上研究多光譜圖像的火點檢測技術，研究內(nèi)容涉及多波段數(shù)據(jù)融合與分析，在閾值分割和“劈窗法”方法上執(zhí)行火點識別。在實際操作中，該文所提方法達到了超過95%的準確率，具有極高的應用價值。婁茹珍等人則針對醫(yī)學圖像中的眼部疾病視覺展開研究，作者采用卷積神經(jīng)網(wǎng)絡提取眼部圖像特征并分類，實現(xiàn)對患者眼底視網(wǎng)膜圖像的重癥近視識別。為驗證設計方法的普適性，作者在AlexNet、VGG和GoogLeNet三種經(jīng)典網(wǎng)絡模型上進行對比實驗，結果表明該方法對重癥近視具有較好的識別能力，模型在一定程度上可以輔助醫(yī)生判斷，有望實現(xiàn)臨床應用。

圖像去噪、增強環(huán)節(jié)通常是目標識別的先行條件，面對低品質(zhì)、低分辨率的圖像或視頻數(shù)據(jù)，超分辨率方法被業(yè)內(nèi)學者廣泛研究。尤其是面對視頻超分辨率，涉及時-空四維數(shù)據(jù)的增強處理，難度和復雜性可想而知。針對該領域，本專題收錄了1篇基于生成對抗網(wǎng)絡的視頻流超分辨率方法設計論文。李耀兵等人在傳統(tǒng)的SRGAN基礎上融入金字塔思想解決單幀圖像超分辨率，采用級聯(lián)和可變形卷積網(wǎng)絡實現(xiàn)視頻幀間信息對齊，達到視頻內(nèi)容流暢自然的程度，消除了卡頓和跳躍等常見問題。針對圖像中的高頻區(qū)域，即圖像目標，作者采用基于時空注意力機制的融合算法來實現(xiàn)感興趣區(qū)域的重點重建，節(jié)省計算資源和縮短運行時間。在公共數(shù)據(jù)集上的測試結果顯示，作者設計的方法與目前的流形方法相比具有效率高、速度快、質(zhì)量好等突出優(yōu)勢。

面對各種圖像中涉及的人、車、地、物等目標信息，除體現(xiàn)自身固有屬性之外，在智能安全領域被用作隱藏信息的載體。圖像隱寫正是一種用于信息隱藏的常用技術，在軍事領域和商業(yè)領域的機密信息保護中起到重要作用。隨著計算機技術的發(fā)展，傳統(tǒng)信息隱藏方式逐漸被基于深度學習的隱藏技術所取代。在本專題收錄的劉義銘等人撰寫的論文中，作者提出了一種基于信息最大化生成對抗網(wǎng)絡的圖像隱寫方法。該方法使用潛碼(Latent Code)來表示數(shù)據(jù)的標簽，作為生成模型的一個輸入與噪聲一起生成含密圖像，并使用標簽判別器分離出標簽，以達到解密的效果。與傳統(tǒng)信息隱藏方法不同，該方法拋棄了傳統(tǒng)信息隱藏方法中信息嵌入的步驟，使用生成對抗網(wǎng)絡生成含密圖像，并將秘密信息“直接”與噪聲一起生成含密圖像。實驗表明，基于InfoGAN的圖像隱寫方法相較于其他隱寫方法具有更好的安全性，并且加密、解密方式簡單，易于操作。

在專題出版之際，謹在此衷心感謝提供優(yōu)質(zhì)稿件的各位作者和參與稿件評審的各位專家學者，特別感謝《無線電工程》編輯部各位老師的辛苦付出和大力支持。希望本專題對目標識別與智能安全領域的技術理論和應用研究能起到借鑒和促進作用。