人工智能在海战场图像情报领域的应用

李明珠　徐国锋　白玉山　黄洁

目前，中高分辨率遙感影像在海上军事目标识别定位、实时跟踪、军事预警、电子对抗等高科技军事对抗中起到关键作用，并成为高技术战争获取对方战场环境信息的重要手段。在海湾战争、科索沃战争、阿富汗战争和伊拉克战争中，美军利用遥感探测技术，全天候地监视、收集对方战场环境信息情报，其遥感影像使用率远大于地图和其他资料。而伴随着图像技术的发展及获取手段的丰富，尤其是无人机和卫星影像等新兴技术的发展，各国正通过遥感技术传送着海量图像和视频信息，而这些视频情报数据常常把情报人员忙得焦头烂额，尤其是在以海上作战为主要战场的联合作战模式下，来自“海、陆、空、天”的情报支援源源不断，海战场图像情报领域急需借助人工智能手段快速获取有价值的情报信息。

海战场图像情报保障特点

情报作为作战依据，贯穿从制定作战计划、作战实施到战后评估的作战活动全过程。现代战场作战环境日益复杂，具有很大的不确定性，能否取得战争的胜利很大程度上取决于获取情报的准确性、时效性和可用性。海战场具有空间广阔、作战环境复杂、作战力量多源、作战节奏快捷、

信息对抗激烈的特点，与陆上和空间一体化联合作战相比，海上作战的作战样式更加复杂，情报信息多、分布广、种类杂、流量大，情报保障更加困难。在这样复杂且动态变化的环境中实施作战，对情报支援的需求更强烈，情报保障的难度更大。如何使指挥人员能够实时共享与战场动态一致的态势信息，并根据瞬息万变的战场情况作出准确的反应，对于完成各作战实体的有效控制起到至关重要的作用。因此，依照一体化联合作战的行动意图，结合海战场环境的具体情况，研究如何依托人工智能技术，形成科学、高效的情报保障体系，具有特殊的意义。

图像情报领域面临的主要问题

以美国情报界组成为例，其情报搜集部门无论从数量还是规模上都远远高于情报分析部门，从20世纪70年代开始，情报搜集能力就已远超情报分析能力。

近十几年，随着各国对情报工作重视程度的增加，情报技术手段及平台的丰富，尤其是大量无人机的投入使用，产生了海量的视频资料，由于人数有限，大量的信息往往处于搁置状态，并没有被充分利用，造成情报资源的极度浪费。虽然类似图像比对系统、信号查询比对系统等情报处理与分析系统也在逐步开发，减轻了情报分析人员的部分压力，但是越来越多的情报关联与融合需求以及在此基础上的征候预测都需要大量情报分析人员的介入。上述情况使得情报分析部门与人员更加不堪重负，情报搜集能力和分析能力差距进一步拉大。如何利用先进技术进一步缩小情报搜集与分析能力差距，值得深入研究。

情报数据日益复杂。情报界迫切需要“人工智能特工”的原因，主要是如今获取的情报数据日益复杂，超出了人类分析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，小到通过情报资料标记出需要注意的人或物，以及那些看似不经意的“行为”，所蕴含的情报信息，都是情报分析人员所要处理的问题。

遥感探测技术收集的海战场情报

情报源于数据，情报分析是对数据的分析，数据与情报分析密切相关。在复杂多变的决策环境中，情报需要处理的不仅是与问题直接相关的某一类数据资源，而是需要特别关注与问题产生背景相关的所有数据资源，这些数据往往是海量、异构、多模式、多维度的，情报分析人员面对的往往是庞大的数据工程，情报分析更需要智能化方法或工具去辅助实施。

情报实时性要求越来越高。随着军事科技的发展，战场情报要求的实时性越来越高，从海湾战争到伊拉克战争，美军精确制导炸弹占比由8%飙升至70%，现代战争呈现出的诸多特点，必然要求现代侦察技术装备在情报数据获取、传递、处理上所用的时间尽量缩短，即做到“实时”侦察。美军从发现敏感目标到实施精确打击的时间，即完成“发现—定位—瞄准—攻击—评估”这样一个“打击链条”所需的时间一直在缩短。战场环境的瞬息万变，各种传感器能力的大幅提升，情报人员掌握的信息爆炸式增长，信息传输、处理必须依靠强大的信息处理系统。限于认知、经验等诸多因素，基于海量信息的决策对于人脑提出严峻挑战，情报实时性的要求越来越高，难度却越来越大。

人工智能应用于图像情报领域的优势

冗余数据快速处理。基于海上监视侦察的特点，影像数据资源数据量大，且有80%以上为冗余信息，后期有效数据的提取和分析工作量很大，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、数值等方面的特征自动完成识别，针对侦察获取的原始图像和视频，采取分步取帧，判断冗余数据，并进行自动处理，可提高信息处理和识别的效率。

图像视频快速清晰化。据统计，无人机在接近目标时，拍摄并传回的视频中，约60%较为清晰，40%因天气等原因较为模糊，同时由于飞机姿态变化，成像设备视角等情况均会造成图像变形，分辨率降低等问题，而这些畸变的图像均需要进行人工校正处理，这项工作量庞大到需要数十个分析小组完成，分析人员的大量时间用于这些简单重复的低级工作，造成了人员及情报的浪费。而基于传统图像识别方法，结合神经网络算法的人工智能手段，不仅可依托计算机实现批量视频快速清晰化，还能自动在画面中找到敌人活动的位置，而后做标记，使情报保障人员得以从繁重而机械的劳动中解脱出来，同时又能搜索出有价值的情报信息。

从海湾战争到伊拉克战争，美军精确制导发挥出越来越重要的作用

图像视频快速拼接。大视场的航空图像在情报分析、作战评估等方面具有重要意义，但受航空相机传感器尺寸的影响，飞机平台飞行高度等限制，搭载的侦察任务载荷视场范围通常较小，难以同时满足航空侦察中宽视场、高分辨率的双重要求，因此常用的技术手段是利用机载成像设备以一定重叠率、不同角度对同一区域进行连续多幅图像采集，再通过图像拼接技术获得宽视场、高分辨率全景图像。这就意味着从侦察平台传回地面的大量图片需要进行大视场角的拼接处理，而利用人工智能平台，结合图像几何校正、模糊匹配、亮度调整、图像融合等技术可实现图像的自动拼接，大大降低情报人员工作量。

战略佯动、虚假目标、身份掩护、频率管理和地下设施构建等欺骗、隐藏和拒止等反情报措施的使用让情报分析难度急剧上升，如何快速准确识别虚假信息也是情报界关注的焦点。而依托人工智能技术对目标屡次行为积累进行推断和研判，情报人员再结合各种密切相关背景（如两国目前关系、地理空间环境和背景事件），就可以对目标规律及敌人意图进行初步判断。

人工智能在海战场图像情报领域的应用

卫星影像的自动解析。在未来一体化联合作战的海战场中，情报部门将接收到来自航天、航空、陆基等四面八方的情报数据，面对海量的视频图像，情报人员的处理能力十分有限，而基于深度学习的人工智能针对诸如飞机、舰船等军事目标的自动识别，显示效率及准确率更高。据不完全统计，人工智能用于卫星图像的自动识别的工作量已经达到60%。

從侦察平台传回地面的大量图片需要进行大视场角的拼接处理

美军早在2015年就成立了算法战跨职能小组，其将国防部的大量数据快速转换为具有实际价值的情报，提升战术无人机及中控全动态视频的分析处理，使其实现自动化，提高海上作战支援能力。经过多年的改进，加载特殊算法的解译系统，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经超过80%，下一步，美国还将在更多无人机平台上测试这项技术。

战场态势的自动生成。海战争已经进入“秒杀”时代，高速度、精确制导武器装备的发展使得战争节奏明显加快。战争进程中，指挥员面对错综复杂、瞬息万变的战争数据，人脑已经无法快速容纳和高效处理，严重影响指挥人员对战场态势的认知，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托人工智能、机器学习、深度学习、机器视觉等技术解决海量数据的态势生成。借助人工智能相关技术，将离散数据进行关联集成，通过算法模型，得到武器装备及部队最近态势，以最快速度感知战场变化，为决胜提供重要支撑。由于战场态势信息量庞大，且内容复杂，基于人工智能的分析在初步阶段只包含数据标记开发、采购或修改算法来完成关键任务、寻找部署这种基础设施所需要的计算资源及途径。在完成上述任务后，逐渐将其他技术融入人工智能系统以实现更强大的功能。

基于深度学习的人工智能对军事目标的自动识别，显示效率及准确率更高

参与作战的尖刀力量。人工智能的出现加速推动了科技进步，各军事强国均把人工智能作为颠覆性的技术加以研究。美海军陆战队配置的人工智能无人机，利用算法模型，在短时间内通过地理模型就学会了躲避障碍、寻找最优飞行路线、精确识别和打击目标，其以小型化优势，在敌人毫无防备状态下发起精确致命进攻，毁伤成功率极高。同时，使用这些人工智能无人战机，可以充当先头部队，直接包抄或者歼灭敌人，亦可空投至敌后执行自杀性任务，不仅能出色完成任务，亦大大降低人员伤亡率。目前，美军也在加速海上无人机作战平台的研制工作，伴随着未来强人工智能逐渐发展成熟，智能化感知、信息处理、智能化辅助决策等领域或将发生革命性变革，这也加速推进了数字化领域战场的到来。

结论

面对庞大的视频资料及复杂数据网络环境，在海战场情报领域应用人工智能以促进情报工作的高质量发展是必然趋势。人工智能广泛应用于情报保障战场，并不意味着情报分析人员的失业，在尔虞我诈的军事博弈中，来自人类的“欺骗”与“诱导”并存，情报与反情报对抗一直存在，技术和逻辑突变点极多，人工智能无法正确识别出人类真正的目的，这也进一步增加了人工智能深度学习的工作难度，而短期内的海战场情报保障也必然朝着人机协同的方向发展。

责任编辑：陈晓芳