专题：目标识别与智能安全

特邀策划人

孙建国

哈尔滨工程大学教授，博士生导师，天地一体化信息技术国家重点实验室客座教授，工业和信息化部工业信息安全人才培养基地主任，哈尔滨工程大学信息与通信工程学院网络安全卓越示范中心首席科学家，入选某省部级人才奖励计划，西安电子科技大学杭州研究院网络空间安全中心执行主任。现担任国家教育部计算机类工程教育认证专家、国家工业信息安全专家咨询委员会专家、工业和信息化部网络空间安全重大研究计划评审专家、军委科技委主题组责任专家、中船集团科技委计算机与软件专家组成员，《网络空间安全》《计算机教育》等期刊编委。主持完成国家自然科学基金、工业转型升级(中国制造2025)重点项目、国防技术基础科研重点项目等基础科研项目10余项，获国家、省部级科技奖励6项，出版国家级“十一五”“十二五”规划系列教材4部，建设国家级在线开放课程“信息安全技术”一门，发表学术论文50余篇(高被引论文1篇)，授权和申请国际、国家技术发明专利10余项。

内容导读

随着信息技术尤其是物联网、大数据领域的飞速发展，异构网络的广泛部署产生了多源、海量、多样和高维特征的数据。在声、光、电、磁、热等各类传感器的输出数据中，感兴趣目标识别一直是研究热点。在军事、安防、保密等领域，目标识别与信息安全和隐私保护又密不可分。因此，面对新技术条件下的目标识别和智能安全，传统的处理算法、融合手段、去噪技术等方向都面临着巨大挑战。同时，也对保密安全、信息隐写、隐私保护等网络安全领域提出了新的问题。随着国内外电子、通信、计算机、控制等领域学者们的不懈努力，相关的研究方法近年来借助深度学习技术获得了长足发展，在众多领域都取得了丰硕成果。有鉴于此，《无线电工程》2021年第11期推出“目标识别与智能安全”专题。专题内容涵盖目标检测与识别、图像超分辨率与图像隐写三个研究方向的相关成果。

目标检测与识别方向共收录3篇论文，分别涉及光学遥感图像、多光谱遥感图像和光电医疗影像中的目标检测与识别问题。针对海面舰船目标识别过程中的关键问题，史超结合基于深度学习和视觉注意力机制，在遥感图像中检测海洋舰船目标。基于快速区域卷积神经网络实现目标检测，并进一步利用卷积神经网络提取特征，再使用区域生成网络选取候选区域以提高检测精度和缩短检测时间。作者还研究了视觉注意力机制的各种模型分析，选取多个注意力模型对检测算法进行优化，在算法的特征提取阶段加入注意力机制，使得提取的特征拥有更强的代表性和鲁棒性。整个系统集成了卷积块和注意模块到卷积神经网络框架中，显著提高了算法的检测精度和显示效果。冯希胤等人在Landsat 8和高分四号卫星图像的基础上研究多光谱图像的火点检测技术，研究内容涉及多波段数据融合与分析，在阈值分割和“劈窗法”方法上执行火点识别。在实际操作中，该文所提方法达到了超过95%的准确率，具有极高的应用价值。娄茹珍等人则针对医学图像中的眼部疾病视觉展开研究，作者采用卷积神经网络提取眼部图像特征并分类，实现对患者眼底视网膜图像的重症近视识别。为验证设计方法的普适性，作者在AlexNet、VGG和GoogLeNet三种经典网络模型上进行对比实验，结果表明该方法对重症近视具有较好的识别能力，模型在一定程度上可以辅助医生判断，有望实现临床应用。

图像去噪、增强环节通常是目标识别的先行条件，面对低品质、低分辨率的图像或视频数据，超分辨率方法被业内学者广泛研究。尤其是面对视频超分辨率，涉及时-空四维数据的增强处理，难度和复杂性可想而知。针对该领域，本专题收录了1篇基于生成对抗网络的视频流超分辨率方法设计论文。李耀兵等人在传统的SRGAN基础上融入金字塔思想解决单帧图像超分辨率，采用级联和可变形卷积网络实现视频帧间信息对齐，达到视频内容流畅自然的程度，消除了卡顿和跳跃等常见问题。针对图像中的高频区域，即图像目标，作者采用基于时空注意力机制的融合算法来实现感兴趣区域的重点重建，节省计算资源和缩短运行时间。在公共数据集上的测试结果显示，作者设计的方法与目前的流形方法相比具有效率高、速度快、质量好等突出优势。

面对各种图像中涉及的人、车、地、物等目标信息，除体现自身固有属性之外，在智能安全领域被用作隐藏信息的载体。图像隐写正是一种用于信息隐藏的常用技术，在军事领域和商业领域的机密信息保护中起到重要作用。随着计算机技术的发展，传统信息隐藏方式逐渐被基于深度学习的隐藏技术所取代。在本专题收录的刘义铭等人撰写的论文中，作者提出了一种基于信息最大化生成对抗网络的图像隐写方法。该方法使用潜码(Latent Code)来表示数据的标签，作为生成模型的一个输入与噪声一起生成含密图像，并使用标签判别器分离出标签，以达到解密的效果。与传统信息隐藏方法不同，该方法抛弃了传统信息隐藏方法中信息嵌入的步骤，使用生成对抗网络生成含密图像，并将秘密信息“直接”与噪声一起生成含密图像。实验表明，基于InfoGAN的图像隐写方法相较于其他隐写方法具有更好的安全性，并且加密、解密方式简单，易于操作。

在专题出版之际，谨在此衷心感谢提供优质稿件的各位作者和参与稿件评审的各位专家学者，特别感谢《无线电工程》编辑部各位老师的辛苦付出和大力支持。希望本专题对目标识别与智能安全领域的技术理论和应用研究能起到借鉴和促进作用。