基于毫米波辐射截面特征的装甲目标识别方法

针对平面金属和装甲目标被动探测信息特征相似,在现实战场上极易造成真假目标错判的问题,提出了利用目标与背景的辐射温度对比度,结合金属目标的毫米波辐射特性新表征概念——辐射截面(RRCS)的识别装甲目标方法。该方法利用探测背景下目标的辐射温度差异,乘以目标面积得到目标的辐射截面,最后根据目标RRCS的均方根误差比值来进行目标识别判断。对不同背景地物样本的RRCS均方根误差比值计算分析结果表明,在相同条件下,可以利用RRCS均方根误差比值的比较有效识别出装甲目标。

改进YOLO v2的装甲车辆目标识别

军事目标识别技术是军事信息处理的一个重要内容,对于实现军事装备信息化、智能化起着不可忽视的作用。近年来随着深度卷积神经网络在图像识别领域的广泛应用,各种基于图像目标识别任务的网络结构层出不穷,因此将这项新技术应用于军事目标的识别具有极强的现实意义和军事应用价值。本文以目前具有最佳识别效果的YOLO v2网络为基础,通过维度聚类重新确定最优的anchor个数及其宽高维度,并制作以明显特征为目标区域的装甲车辆数据集,使得该网络对装甲目标的识别更为精确。通过实验验证,该方法能有效地对特定装甲目标进行实时精确识别。

陆战场装甲目标细粒度识别技术

智能化作为新的改变战争游戏规则的颠覆性技术,成为世界各军事强国的发展重点。当前,智能化可以实现对陆战场军事装甲目标的自动识别,但是现有识别任务主要是粗粒度的目标类别识别,缺乏细粒度的目标识别。本文针对陆战场军事装甲目标细粒度识别任务,提出了一种适用于无人作战平台的轻量化细粒度目标识别方法,并初步验证了方法的可行性和有效性,基于此,提出了无人作战平台的新的作战运用。该方法可辅助操作人员进行陆战场装甲目标识别的决策判断,或提供无人打击武器自主打击的判断能力。