森林火灾微光遥感识别新指数—增强夜光火灾扰动指数

随着光电技术的发展，低照度条件下的微光成像技术及其应用成为近年来的研究热点之一。在微光遥感影像上，很难单纯依靠辐射亮度或温度，将森林火灾与工业燃烧、城市等热源充分地分离，同时由于频繁的数据饱和问题，目前NPP火灾产品仅提供探测位置信息。因此，为了在各种高亮度异质热源中实现森林火灾识别，进一步推进火灾探测产品像素级表征，基于地表温度通过潜热传递随植被密度的增加而降低的原理，提出了一种新的光谱指数—增强夜光火灾扰动指数（ENFDI），并与传统的中红外波段（Tmir）火灾识别方法进行对比分析。结果表明，ENFDI可以增强森林火灾与城市热源之间的光谱差异，提高微光条件下森林火灾识别能力，森林火灾ENFDI明显高于城市热源区；ENFDI能够有效缓解微光波段易饱和的影响，ENFDI不仅可以明显地分辨出潜在饱和区内火光亮度的差异，增强火灾像元的可区分性，而且与中远红外亮温差的相关性R高达0.94~0.97，明显高于微光波段亮度（NTL）与中远红外亮温差的相关性（0.82~0.83）；ENFDI具有一定的稳定性，它不受月相变化的影响，在有无月光情况下夜间森林火灾均被识别；ENFDI森林火灾识别精度（87.66%）高于传统中红外波段（Tmir）火灾识别精度（83.91%），与NPP /VIIRS主动火灾产品（VNP14IMG）具有良好的总体对应关系，定位偏差在628 m以内。因此，ENFDI指数对森林火灾的识别具有敏感性、稳定性和准确性，为进一步实现火灾像素级表征提供可行性参考。     

通过美颜保护人脸隐私

社交网络上广泛传播的人脸图像易被未授权的自动识别系统推断出敏感信息，这为用户隐私带来了威胁。为保护用户隐私，一些方法通过在人脸上添加具有可迁移性的扰动来去除可识别信息。然而，它们生成的结果由于存在较为明显的扰动使得视觉感知效果较差，因此并不适合在社交网络上分享。为此，提出了一种基于美颜的对抗性人脸生成方案Adv-beauty。Adv-beauty利用人脸匹配器和美颜鉴别器来协同监督生成器的训练过程，促使生成器在原始人脸上产生类似美颜的扰动来混淆人脸匹配器，换句话说美颜带来的像素变化遮盖了扰动产生的不良视觉效果。此外，在身份损失上设置对抗性阈值，用来防止身份特征的过分偏离而导致的人脸区域扭曲。充分的实验表明，Adv-beauty不仅能够保持良好的视觉效果，而且能够防御多种未知人脸识别分类器和商业APIs。