徐海燕^1,2, 郭为人^3,4, 李德民^1,5, 郝君^1,4, 徐刚^1,6

基金项目：温州市基础性科研项目(S20210017);浙江省自然资源厅2021年度科技项目(2021-34)

关键词：实景三维, 纹理脱密, 目标识别, 纹理修复

摘要 ：实景三维是国家新型基础设施的重要组成部分,在各行业具有广泛的应用。如何在安全的前提下促进三维数据最大程度的共享已成为实景三维应用的迫切需要。针对实景三维纹理中存在涉密敏感目标问题,传统依赖人工检索敏感目标并通过图像编辑工具处理的脱密方法效率低,本文提出一种结合深度学习的纹理影像敏感目标自动识别与脱密方法。首先通过秘密点POI检索包含秘密目标的三维模型及对应的纹理影像;然后基于YOLOv5s网络模型自动识别纹理影像中的敏感目标,并利用GrabCut有效提取目标;最后基于多尺度的Patch match对纹理影像块进行修复。试验表明,本文方法目标识别准确率为95.3%,与人工处理相比全流程用时缩短40%以上,有效提取并去除纹理影像中的敏感目标,实现了快速脱密,促进了实景三维模型数据的安全共享。