基于多源信息融合的巡飞弹对地目标识别与毁伤评估

作者：徐艺博; 于清华^*; 王炎娟; 郭策; 冯世如; 卢惠民

来源：系统仿真学报, 2023, 1-11.

DOI：10.16182/j.issn1004731x.joss.22-1130

• 多源信息融合
• 毁伤评估
• 卷积神经网络
• YOLO-VGGNet

针对利用多枚巡飞弹对地面高防御移动目标进行打击的问题，提出一种基于多源信息融合的巡飞弹对地移动目标识别与毁伤评估方法。首先基于IOU(Intersection Over Union)判定实现红外图像与可见光图像的多源信息融合，而后提出一种基于YOLO-VGGNet的两阶段紧耦合的巡飞弹对地移动目标毁伤评估方法，该方法可以充分利用卷积神经网络深度语义信息提取的优势，同时引入红外毁伤信息，实现对地面移动目标的在线实时毁伤评估。实验结果表明，基于多源信息融合的目标识别算法有效提升了巡飞弹对地面移动目标识别的有效性；基于YOLO-VGGNet的在线实时毁伤等级评估方法较传统基于图像变化检测与基于两阶段卷积神经网络的方法评估准确率分别提升19%和10.25%。

• 出版日期2023
• 单位国防科技大学; 北京航天飞行控制中心