人工智能和知识图谱在无人机智能作战中的应用

在信息化作战条件下,各种侦察监视设备（如卫星、雷达、无人机群等）可以获取海量的战场信息数据。如何有效利用这些海量多源异构信息来提高无人机作战的智能化程度和打击精度是当前的一个热门研究领域。在介绍了人工智能和知识图谱发展现状的基础上,针对如何引导无人机完成智能打击这一目标构建了知识图谱,并结合具体的作战任务需求和场景特点给出了解决方案。     

一种基于改进Chan-Vese模型的图像分割方法

为了解决红外目标在运动过程中因遮挡带来的误分割和误跟踪问题,在参考Chunming Li提出的无需重新初始化水平集方法的基础上,提出了基于改进Chan-Vese模型的图像分割方法,给出了模型的能量函数及数值实现,通过对实际采集红外序列图像数据的对比实验验证了所提图像分割模型在解决目标受到遮挡问题中的有效性.     

港口背景下红外运动多目标跟踪

介绍了一种采用小波变换抑制港口动态背景的方法.在此基础上,运用基于Chan-Vese模型的水平集方法实现图像区域分割和粒子区域的特征提取,提取的特征包括结构和灰度特征,结合这些粒子区域特征和先验知识,在对标准粒子滤波进行改进的基础之上,实现多目标跟踪中的数据关联和目标聚类.同时,在多目标跟踪中会出现"新目标出现、目标消失、多目标合并与分裂、目标受遮挡"等现象,根据图像能量和轮廓形状间距离的变化来判断和解决上述现象带来的误跟踪问题.通过对实际港口背景条件下的红外序列图像进行多目标跟踪实验,验证了所提方法的可行性和有效性.