首次发布 | 人工智能在海战图像智能领域的应用

目前，中高分辨率遥感影像在海上军事目标识别定位、实时跟踪、军事预警、电子对抗等高技术军事对抗中发挥着关键作用，已成为海上军事打击的重要手段。高科技战争获取对手战场环境的信息。 在海湾战争、科索沃战争、阿富汗战争、伊拉克战争期间，美军利用遥感探测技术，全天候监测和收集对方战场的环境信息。 遥感影像的使用率远高于地图等资料。 随着图像技术的发展和获取手段的丰富，特别是无人机、卫星图像等新兴技术的发展，各国都在通过遥感技术传输海量图像和视频信息，这些视频情报数据往往让情报人员忙碌的。 尤其是在以海上作战为主战场的联合作战模式下，“海陆空天”源源不断的情报保障。 海战图像情报领域迫切需要利用人工智能快速获取有价值的情报。 信息。

遥感探测技术汇集海战情报

海战图像情报保障特点

情报作为作战的基础，贯穿于作战计划制定、作战实施、战后评估等作战活动的全过程。 现代战场的作战环境日益复杂，具有很大的不确定性。 能否打赢一场战争，很大程度上取决于情报的准确性、及时性和可用性。 海军战场空间广阔，作战环境复杂，战力来源多，战斗节奏快，

由于信息对抗激烈，与陆空一体化联合作战相比，海上作战作战方式更加复杂，情报信息多、分布广、种类杂、流量大，情报保障难度更大。 在如此复杂多变的环境中开展作战，对情报保障的需求更加强烈，情报保障的难度也更大。 如何使指挥员共享与战场动态一致的实时态势信息，对瞬息万变的战场态势做出准确反应，对于完成对各作战主体的有效管控具有至关重要的作用。 因此，研究如何依托人工智能技术，按照一体化联合作战的作战意图，结合海军战场环境的具体情况，形成科学高效的情报保障体系具有特殊的意义。

图像智能领域面临的主要问题

以美国情报界的构成为例，其情报收集部门在数量和规模上都远高于情报分析部门。 20世纪70年代以来，情报搜集能力已经远远超过了情报分析能力。

近十年来，随着各国对情报工作的日益重视，情报技术手段和平台的丰富，尤其是无人机的大量使用，产生了大量的视频数据。 由于人数有限，大量信息往往被束之高阁，得不到充分利用，造成情报资源的极度浪费。 虽然图像比对系统、信号查询比对系统等情报处理分析系统正在逐步发展，减轻了情报分析人员的部分压力，但对情报关联和融合的需求越来越多，基于此的症状预测需要大量情报分析人员的介入。 上述情况让情报分析部门和人员更加不堪重负，情报收集能力与分析能力的差距进一步拉大。 如何利用先进技术进一步缩小情报收集和分析能力的差距，值得深入研究。

情报界之所以迫切需要“人工智能代理人”，主要是因为当今获取的情报数据越来越复杂，超出了人类分析人员执行情报分析任务的能力。 大到通过对比数据变化来预测未来重大事件发生的可能性，小到通过情报数据标记出需要注意的人或事，那些看似不经意的“行为”所蕴含的情报信息就是情报分析。 人员处理的问题。

情报来源于数据，情报分析就是对数据的分析，数据与情报分析密切相关。 在复杂多变的决策环境中，智能需要处理的不仅仅是与问题直接相关的某一类数据资源，还需要特别关注与问题背景相关的所有数据资源。 这些数据往往是海量的、异构的、多模态的、多维度的，情报分析人员经常面临庞大的数据项目，而情报分析需要智能的方法或工具来辅助实施。

随着军事科技的发展，战场情报的实时性要求越来越高。 从海湾战争到伊拉克战争，精确制导炸弹在美军中的占比从8%飙升至70%。 现代战争的诸多特点，必然要求现代侦察技术和装备在情报数据采集、传输、处理上花费的时间尽可能缩短，即可以实现“实时”侦察。 从发现敏感目标到美军实施精准打击的时间，即完成“发现-定位-瞄准-攻击-评估”的“打击链条”所需时间不断缩短。 战场环境瞬息万变，各种传感器的能力大幅提升，情报人员掌握的信息呈爆炸式增长。 信息的传输和处理必须依赖于强大的信息处理系统。 受限于认知、经验等诸多因素，基于海量信息的决策对人脑提出了严峻挑战。 对实时信息的要求越来越高，但难度也越来越大。

从海湾战争到伊拉克战争，美军精确制导炸弹占比从8%飙升至70%

人工智能应用于图像智能

该领域的优势是基于海上监视和侦察的特点。 图像数据资源海量，其中80%以上为冗余信息。 后期有效数据的提取和分析是一项繁重的工作量，严重影响情报的生产效率。 依托人工智能处理系统，从数学原理的角度进行推理，结合图像的形状、曲线、数值等特征自动完成识别。 对于侦察得到的原始图像和视频，采用逐帧采集的方式判断冗余数据。 而自动化处理可以提高信息处理和识别的效率。

据统计，无人机在接近目标时，拍摄并传回的视频中约有60%较为清晰，40%因天气等原因较为模糊。 同时，由于飞行器姿态和成像设备视角的变化，图像会发生变形。 、分辨率降低等问题，而这些失真的图像需要人工校正。 这个工作量非常大，需要几十个分析团队才能完成。 分析人员的大量时间花在了这些简单重复的低级任务上，造成了人员和信息的浪费。 但是，在传统的图像识别方法的基础上，结合神经网络算法的人工智能方法，不仅可以依靠计算机实现批量视频的快速清除，还可以自动发现敌人活动的位置。图片，然后进行标记，让情报支援人员免去繁重的负担。 在摆脱机械劳动的同时，可以同时搜索到有价值的情报信息。

大视野航拍图像在情报分析和作战评估中具有重要意义。 但由于受航拍传感器尺寸和飞行器平台飞行高度限制的影响，所搭载的侦察任务载荷视场通常较小，难以满足要求。同时航拍。 由于侦察中对广视场和高分辨率的双重要求，常用的技术手段是利用机载成像设备连续采集同一区域具有一定重叠率、不同角度的多幅图像，然后得到一个宽通过图像拼接技术的视野。 , 高分辨率全景图像。 这意味着侦察平台传回地面的大量图片需要进行大视场拼接，利用人工智能平台，结合图像几何校正、模糊匹配、亮度调整、图像融合等技术可以实现图像的自动拼接，大大减轻情报人员的工作量。

侦察平台传回地面的大量图片需要大视野拼接

战略欺骗、虚假目标、身份掩护、频率管理、地下设施建设等反情报手段的运用，使情报分析难度急剧增加。 如何快速准确地识别虚假信息也是情报界关注的焦点。 依靠人工智能技术对目标重复行为的积累进行推断判断，结合各种密切相关的背景（如两国当前关系、地理空间环境、背景事件等），情报人员可以初步做出判断对目标规律和敌人意图的判断。

人工智能在海战图像智能领域的应用

在未来一体化联合作战的海军战场上，情报部门将接收来自航天、航空、陆基等各个方向的情报数据。 面对海量的视频图像，情报人员的处理能力十分有限。 智能自动识别飞机、舰船等军事目标，显示效率和准确性更高。 据不完全统计，卫星图像自动识别的人工智能工作量已达到60%。

早在2015年，美军就成立了算法战跨职能团队，将国防部的大量数据迅速转化为具有实用价值的情报，改进了战术无人机的分析处理和中控全动视频，并使其自动。 提高海上作战保障能力。 经过多年改进，口译系统加载特殊算法，在深度学习技术的支持下，人工智能系统在复杂环境下的自动识别率已超过80%。 接下来，美国还将使用更多的无人机平台来测试这项技术。

基于深度学习的人工智能军事目标自动识别显示效率和准确率更高

海战进入“二次杀伤”时代，高速、精确制导武器装备的发展明显加快了战争节奏。 在战争过程中，人脑无法快速容纳和高效处理复杂多变的战争数据，严重影响指挥员对战场态势的认识，进而影响指挥决策的及时性和准确性。 目前，各国已经开始尝试依靠人工智能、机器学习、深度学习、机器视觉等技术来解决海量数据的情境生成。 借助人工智能相关技术，将离散数据关联整合，通过算法模型获取武器装备和部队的最新态势，以最快速度感知战场变化，提供重要信息支持决定性的胜利。 由于战场态势信息量大、内容复杂，基于AI的分析在前期仅包括数据标注开发、采购或修改算法以完成关键任务、寻找计算资源和部署方式等。基础设施。 完成上述任务后，逐步将其他技术融入人工智能系统，实现更强大的功能。

人工智能的出现加速了科技进步，各军事强国都将人工智能作为一项颠覆性技术进行研究。 美国海军陆战队部署的人工智能无人机利用算法模型，在短时间内通过地理模型学习规避障碍物，寻找最佳飞行路线，准确识别和打击目标。 毫无准备地发动精准致命的攻击，伤害成功率极高。 同时，利用这些人工智能无人战机，既可以作为先头部队，直接包抄或歼灭敌人，也可以空投到敌方后方执行自杀式任务，不仅可以很好地完成任务，也大大降低了伤亡率。 目前，美军也在加速研发海上无人机作战平台。 未来随着强人工智能的逐步发展，智能感知、信息处理、智能辅助决策等领域可能会发生革命性变化。 这也在加速。 数字领域战场的到来。

综上所述

面对庞大的视频数据和复杂的数据网络环境，将人工智能应用于海战情报领域，推动情报工作高质量发展是必然趋势。 人工智能在情报保障战场的广泛应用，并不意味着情报分析人员的失业。 在尔虞我诈的军事游戏中，来自人类的“欺骗”与“感应”并存，情报与反情报的对抗始终存在，技术和逻辑的突变点太多，人工智能无法正确识别人类的真正目的，这进一步加大了人工智能深度学习的难度，短期海战情报保障必然向人机协同方向发展。

編輯：碩谷新聞聚合