多源遥感数据在战场环境智能态势感知的现状及展望.pdf

中国空间科学技术F e b.2 5 2 0 2 4 V o l.4 4 N o.1 1 1-2 2C h i n e s e S p a c e S c i e n c e a n d T e c h n o l o g yI S S N1 0 0 0-7 5 8 X C N1 1-1 8 5 9/Vh t t p:z g k j.c a s t.c nD O I:1 0.1 6 7 0 8/j.c n k i.1 0 0 0-7 5 8 X.2 0 2 4.0 0 0 2多源遥感数据在战场环境智能态势感知的现状及展望邵振峰1,*,党超亚1,张红萍1,吴长枝2,齐晓飞2,黄俊31.武汉大学 测绘遥感信息工程国家重点实验室,武汉4 3 0 0 7 92.西安测绘研究所,西安7 1 0 0 5 43.陆军装备部驻武汉地区第二军事代表室,武汉4 3 0 0 0 0摘 要:面对复杂战场环境信息的快速变化,及时全面准确地掌握复杂战场环境态势,是未来打赢信息化战争的前提条件。为了探索多源遥感数据对战场环境态势感知的发展方向,基于广泛调研战场环境态势感知的遥感需求,首先对战场环境态势智能感知的概念和内涵进行了阐述,然后对多源遥感数据的处理与战场态势感知应用现状进行概述,分析了遥感在战场态势智能感知面临的挑战,最后提炼总结了遥感在战场态势感知的进展和发展趋势。遥感为战场环境态势感知提供多种观测数据,遥感与人工智能算法结合可以为军事战场环境态势感知提供多种应用,为指挥人员决策提供数据支持,但仍然存在大量挑战需要解决。在分析现阶段成果和面临挑战的基础上,提出了遥感在战场环境智能态势感知的前瞻,指出了基于遥感的深度学习可解释性和智慧战场是遥感在战场智能态势感知发展所面临的困难。关键词:战场环境;智能态势感知;人工智能;遥感;智慧战场中图分类号:T P 7 9 文献标识码:A收稿日期:2 0 2 2-0 9-1 9;修回日期:2 0 2 2-1 2-0 9;录用日期:2 0 2 2-1 2-1 3基金项目:国家 自 然 科 学 基 金 重 点 项 目(4 2 0 9 0 0 1 2);广 西 科 技 计 划 项 目(桂 科2 0 2 1 A B 3 0 0 1 9);江 西 省0 3专 项 及5 G项 目(2 0 2 1 2 A B C 0 3 A 0 9);珠海市产学研合作项目(Z H 2 2 0 1 7 0 0 1 2 1 0 0 9 8 PWC);四川省关键技术攻关项目(2 0 2 2 Y F N 0 0 3 1);武汉大学知卓时空智能研究基金(Z Z J J 2 0 2 2 0 2);灾害天气国家重点实验室开放课题(2 0 2 1 L A S W-A 1 7)*通信作者.E-m a i l:s h a o z h e n f e n g w h u.e d u.c n引用格式:邵振峰,党超亚,张红萍,等.多源遥感数据在战场环境智能态势感知的现状及展望J.中国空间科学技术,2 0 2 4,4 4(1):1 1-2 2.S HAO Z F,D AN G C Y,Z HAN G H P,e t a l.C u r r e n t s t a t u s a n d p r o s p e c t o f m u l t i s o u r c e r e m o t e s e n s i n g d a t a i n b a t t l e f i e l d e n v i r o n m e n t i n t e l l i g e n t s i t u a t i o n a l a w a r e n e s sJ.C h i n e s e S p a c e S c i e n c e a n d T e c h n o l o g y,2 0 2 4,4 4(1):1 1-2 2(i n C h i n e s e).C u r r e n t s t a t u s a n d p r o s p e c t o f m u l t i s o u r c e r e m o t e s e n s i n g d a t a i n b a t t l e f i e l d e n v i r o n m e n t i n t e l l i g e n t s i t u a t i o n a l a w a r e n e s sS H A O Z h e n f e n g1,*,D A N G C h a o y a1,Z H A N G H o n g p i n g1,WU C h a n g z h i2,Q I X i a o f e i2,H U A N G J u n31.S t a t e K e y L a b o r a t o r y o f I n f o r m a t i o n E n g i n e e r i n g i n S u r v e y i n g,M a p p i n g a n d R e m o t e S e n s i n g,W u h a n U n i v e r s i t y,W u h a n 4 3 0 0 7 9,C h i n a2.S t a t e K e y L a b o r a t o r y o f G e o-i n f o r m a t i o n E n g i n e e r i n g,X i a n R e s e a r c h I n s t i t u t e o f S u r v e y i n g a n d M a p p i n g,X i a n,7 1 0 0 5 4,C h i n a3.T h e S e c o n d M i l i t a r y R e p r e s e n t a t i v e O f f i c e o f t h e A r m y E q u i p m e n t D e p a r t m e n t i n W u h a n,Wu h a n 4 3 0 0 0 0,C h i n aA b s t r a c t:I n t h e f a c e o f t h e r a p i d c h a n g e o f c o m p l e x b a t t l e f i e l d e n v i r o n m e n t i n f o r m a t i o n,g r a s p i n g t h e s i t u a t i o n a l a w a r e n e s s o f c o m p l e x b a t t l e f i e l d e n v i r o n m e n t i n a t i m e l y,c o m p r e h e n s i v e a n d a c c u r a t e m a n n e r i s t h e p r e r e q u i s i t e f o r w i n n i n g t h e i n f o r m a t i o n w a r i n t h e f u t u r e.I n o r d e r t o e x p l o r e t h e d e v e l o p m e n t d i r e c t i o n o f m u l t i-s o u r c e r e m o t e s e n s i n g d a t a i n b a t t l e f i e l d e n v i r o n m e n t s i t u a t i o n a l a w a r e n e s s,o n t h e b a s i s o f e x t e n s i v e i n v e s t i g a t i o n o f r e m o t e s e n s i n g r e q u i r e m e n t s f o r b a t t l e f i e l d e n v i r o n m e n t s i t u a t i o n a l a w a r e n e s s,w e f i r s t l y e x p o u n d e d t h e c o n c e p t a n d c o n n o t a t i o n o f b a t t l e f i e l d e n v i r o n m e n t s i t u a t i o n a l a w a r e n e s s,t h e n g a v e a n o v e r v i e w o f m u l t i-s o u r c e r e m o t e s e n s i n g d a t a p r o c e s s i n g a n d 1 2 中国空间科学技术F e b.2 5 2 0 2 4 V o l.4 4 N o.1b a t t l e f i e l d s i t u a t i o n a l a w a r e n e s s a p p l i c a t i o n s.N e x t,w e a n a l y z e d t h e c h a l l e n g e s,p r o g r e s s a n d d e v e l o p m e n t t r e n d o f r e m o t e s e n s i n g i n b a t t l e f i e l d e n v i r o n m e n t s i t u a t i o n a l a w a r e n e s s.I n g e n e r a l,r e m o t e s e n s i n g p r o v i d e s a v a r i e t y o f o b s e r v a t i o n d a t a f o r b a t t l e f i e l d e n v i r o n m e n t s i t u a t i o n a l a w a r e n e s s,a n d t h e c o m b i n a t i o n o f r e m o t e s e n s i n g a n d a r t i f i c i a l i n t e l l i g e n c e a l g o r i t h m c a n p r o v i d e a v a r i e t y o f a p p l i c a t i o n s f o r m i l i t a r y b a t t l e f i e l d e n v i r o n m e n t s i t u a t i o n a l a w a r e n e s s a n d o f f e r d a t a a s s i s t a n c e t o c o mm a n d e r s f o r d e c i s i o n-m a k i n g.H o w e v e r,t h e r e a r e s t i l l a l o t o f c h a l l e n g e s t o b e s o l v e d.B a s e d o n t h e a n a l y s i s o f t h e c u r r e n t a c h i e v e m e n t s a n d c h a l l e n g e s,w e p u t f o r w a r d t h e p r o s p e c t o f r e m o t e s e n s i n g i n t h e b a t t l e f i e l d e n v i r o n m e n t s i t u a t i o n a l a w a r e n e s s,a n d p o i n t e d o u t t h a t t h e i n t e r p r e t a b i l i t y o f d e e p l e a r n i n g b a s e d o n r e m o t e s e n s i n g a n d t h e i n t e l l i g e n t b a t t l e f i e l d a r e t h e d i f f i c u l t i e s t o b r e a k t h r o u g h t h e d e v e l o p m e n t o f r e m o t e s e n s i n g i n t h e b a t t l e f i e l d e n v i r o n m e n t s i t u a t i o n a l a w a r e n e s s.K e y w o r d s:b a t t l e f i e l d e n v i r o n m e n t;i n t e l l i g e n t s i t u a t i o n a l a w a r e n e s s;a r t i f i c i a l i n t e l l i g e n c e;r e m o t e s e n s i n g;s m a r t b a t t l e f i e l d0 引言随着科学技术和信息化的快速发展,战争形态发生了翻天覆地的变化,从冷兵器战争、热兵器战争和机械化战争到信息化战争。当前,战争形态由信息化向智能化加速演进,战争进入“秒杀”的阶段,具有快速、复杂和多变的特点1。因此,如果想要取得战争的主动权和胜利,指挥员必须要实时掌握战场态势的信息。战场态势全面准确获取依赖各种各样的战场感知系统,且需要建立统一的指挥机构指导陆上、海上、空中以及太空等不同领域的战场态势感知系统搜集信息2(图1)。在战场上,信息呈现多样化和动态复杂的快速变化,想要及时全面掌握战场环境信息,需要高光谱、高空间分辨率、高时间分辨率、热红外、具有穿透性和不受天气影响等遥感数据,然而对于获得的大量数据,指挥人员大脑无法快速处理获得有效信息,会影响对战场态势认知的准确性,造成指挥决策的滞后。因此,获得全面战场数据和实时处理对于指挥作战意义重大。态势感知是在一定时间和空间内感知环境中的元素,理解它们的含义,以及预测不久将来的状态3。全面感知、理解和预测战场态势是指挥人员做出正确决策和先发制胜的必要条件。态势信息来源包括陆地(例如雷达)、空中(例如侦察直升机和军用卫星等)和海上(例如潜艇侦查等)等多种信息来源,全面覆盖海、陆、空和环境等信息类型4。战场要素包含战场态势兵力、环境、时间和估计等各种各样要素。因此,指挥人员针对不同作战目标和阶段需要的战场态势要素信息存在很大差异。基于已有研究总结了战场态势感知的需求5-8,包括环境信息、兵力部署信息、战场建设信息和交通信息等。随着遥感技术的发展,人们已经建立空天地遥感数据获取体系,可以提供多传感器(红外、多光谱、高光谱、L i d a r、雷达等)、多层次(遥感对地多尺度观测)、多角度、多维度和多时相的遥感观测数据。然而,每种传感器都有其相对优势,例如光学传感器成像直观,只对地表可见的地物观测有效,当遇到云、雾或下雨天气会导致对地观测的不准确甚至直接被遮挡;合成孔径雷达具有较强穿透性,不受天气(云和雾)限制,但噪声较多导致精度低于光学传感器。因此,不同传感器难以互相替代,加之多种传感器的使用仍然存在时效性和有效数据融合的问题。为了满足战场环境智能态势感知需求,需要多种传感器互相协同工作,构成战场环境感知系统,在不同的作战环境下发挥多传感器的协同优势,实现功能互补9。遥感数据在军事领域具有难以替代的优势1 0-1 1,例如军事侦察、导弹预警、海洋监测、武器制导、毒剂侦测、军事测绘和气象观测等。如何充分发挥遥感在战场环境智能态势感知方面的优势依然是个难题。随着遥感技术的飞速发展,通过各种遥感技术获取的遥感数据集呈现典型的大数据特征。因此,指挥人员如何从遥感大数据中实时获取有效的信息成为一个问题。目前,不同遥感数据需要人工处理,这样降低了数据的时效性。战场环境的遥感数据快速处理是实现智能态势感知的必要条件之一,近年来人工智能的快速发展及在邵振峰,等:多源遥感数据在战场环境智能态势感知的现状及展望1 3 图1 战场态势感知体系结构图F i g.1 D i a g r a m o f b a t t l e f i e l d s i t u a t i o n a l a w a r e n e s s s y s t e m遥感数据信息提取的应用,使遥感大数据智能化处理成为可能1 2。遥感大数据的处理效率很大程度上限制了战场环境态势感知的及时性。随着人工智能技术发展,智能目标检测算法用于战场环境目标识别,尤其是基于深度学习技术的遥感目标探测算法。基于深度学习的目标检测算法起源于自然场景图像的目标检测,发展过程包括两阶段目标检测算法、单阶段目标检测算法和遥感影像目标检测。R-C NN1 3的出现促进了两阶段目标检测算法的发展,最具代表性的两阶段算法包括F a s t R-C NN1 4和F a s t e r R-C NN1 5。两阶段算法的目标检测精度较高,但计算量大和处理时间长,因此不能满足实时检测需求。于是 学 者 发 展 提 出 了 单 阶 段 算 法(如YO L O v 1-41 6-1 9和S S D2 0),网络结构简单,目标检测速度快,能够满足实时检测的需求,但是检测精度相对较低。近年来,学者为了保留两阶段和单阶段检测网络的优点,同时摒弃各自的缺点,提出了R e f i n e D e t2 1和R e t i n a N e t2 2。随着计算机视觉技术和遥感影像目标检测数据集(如D OT A2 3)的 发 布,相 关 目 标 检 测 算 法(如R R P N2 4和R 2-C NN2 5等)被应用到遥感影像目标检测任务中来,并获得较好的检测结果。到目前为止,学者已经将遥感数据用于战场环境态势感知。例如高光谱影像的战场目标检测2 6、基于激光雷达的战场油料保障2 7、遥感水体信息的战场工程侦察2 8、视频卫星目标实时跟踪2 9和合成孔径雷达船舶动态感知3 0等。面对不同遥感数据的战场环境态势感知,本文对其进行了概括总结,介绍了多源遥感数据的处理,分析了现在主要遥感数据在战场环境态势感知的应用现状,指出了战场环境态势智能感知面临的问题和挑战,并展望了未来战场环境智态势能感知下一步发展需要解决的问题。1 4 中国空间科学技术F e b.2 5 2 0 2 4 V o l.4 4 N o.11 战场环境智能态势感知概念和内涵 E n d s l e y在1 9 9 5年提出的态势感知概念被广泛认可,是对特定时空中态势元素的察觉、理解及对其未来状态的预测3 1(图2)。态势感知主要包括态势察觉、态势理解和态势预测,其中态势察觉和理解指对“态”的准确把握,态势预测是对“态”的及时处理。图2 M.E n d s l y态势感知和三级模型1 8F i g.2 M.E n d s l y s i t u a t i o n a l a w a r e n e s s a n d t h r e e-l e v e l m o d e l 1 8近年来,随着信息技术的快速发展,尤其是虚拟现实、地理新系统、信息融合等不断发展,战场态势感知的内涵及表现形式发生了翻天覆地的变化。战场态势感知需要由空、天、地和海各领域的传感器网络或万物互联,对一定时空环境内的战场态势要素进行全面准确感知,并利用信息融合技术对获取的复杂信息进行处理,获得战场要素实时的状态;再利用可视化技术转成方便指挥人员观察的可视化信息,最后对战场要素进行下一时刻状态预测2。战场态势感知的概念将战场态势感知分为四个层次,分别为感知、融合、展现和预测。战场态势预测存在多种可能性,如何理解和预判敌方的作战意图与行动,以便提前谋划,成为需深入研究的问题。因此,以基于复杂网络和模糊推理两种方法阐述战场态势预测3 2。基于复杂网络的战场态势预测,将复杂网络理论应用于战场态势预测,基于历史数据和当前战场态势数据提取战场态势演变规律和时序特征,理解战场态势的发展演进。另外,基于模糊推理的战场态势推演预测,利用专家经验和历史态势数据建立推理规则和推理策略,结合战场复杂网络动力学模型的演化和模糊集理论实现对战场态势的推理预测以及认知系统的自学习。另外,指挥人员需要对复杂海量的战场信息进行态势感知,才能做出快速准确的决策和作战行动。因此,面对复杂、海量和动态的战场信息,仅仅依靠人脑的信息处理是远远滞后的。随着计算机技术和人工智能的发展,借助深度学习等人工智能技术形成了一种新型战场智能态势感知。智能感知理论是面对复杂战场环境利用人工智能和无人作战理论的交叉融合,结合人的经验和人工智能的智能算法,获得感知事物的属性和相互之间关系的智能感知结果3 4。目的是为了全面掌握复杂战场环境信息,同时为指挥人员提供战场态势预测,能够及时准确全面掌握瞬息变化的战场态势感知,做出正确的决策,取得战争的胜利。2 多源遥感数据处理现状目前,卫星遥感将以多光谱、多时相、多分辨率、多传感器以全天候地提供海量的观测数据,已经进入了大数据遥感时代3 5。遥感数据处理效率和信息提取能力成为限制遥感应用的关键问题,尤其难于满足军事领域战场态势实时准确的需求。多源遥感数据的处理包括数据配准、校正等工作,获得高质量的遥感数据可为军事侦察提供数据支撑。遥感数据提升质量的方法包括以下两种,一种是通过改进传统算法获得高质量遥感数据;另一种是将低质量的遥感数据通过去云、去噪和超分辨率重建的方法3 6获得高质量遥感数据。例如将深度学习用于合成孔径雷达成像可以简化成像过程3 7。基于模型和参数测量及一星一议的定标模式制约了多源遥感协同应用的能力。目前试验验证了人工智能技术可以实现高精 度 遥 感 数 据 处 理,但 是 处 理 技 术 尚 不成熟。多源遥感数据时空处理与分析方面力求实现互补协同和融合重建,提高遥感时空分析的能力。多源遥感信息融合能够弥补单一遥感观测的局限,实现多平台多模态遥感观测数据互补信息的综合处理与应用,生成大场景高“时-空-谱”无缝的观测数据,主要包括基于时空滤波的融合方法3 8、基于混合像元分解的融合方法3 9、基于学习的融 合 方 法4 0、基 于 贝 叶 斯 的 融 合 方邵振峰,等:多源遥感数据在战场环境智能态势感知的现状及展望1 5 法4 1。虽然它们目前能取得不错的结果,但需要提高融合效率、数据驱动与模型驱动相结合、提高模型泛化能力和在轨实时融合4 2。多源遥感数据通常包含多种数据源信息,多模态数据中丰富的特征在大图幅遥感场景应用范围下的目标要素分类任务中能够带来有价值的信息。因此,多源遥感数据可以作为战场环境军事目标侦察数据。目前利用深度学习可以很好提取目标要素,但是对军事侦察需求的精度仍需提高。在实际应用解译场景中,所面临的问题更加复杂,需要探索泛化能力更强的模型,尤其是针对多任务、多模态一体化联合学习成为遥感目标识别的发展趋势。3 遥感在战场环境态势感知的应用现状 目前,多源遥感数据已经成功地应用于战场环境态势感知,其中包括军事侦察、海洋监测、毒剂侦测、军事测绘和气象观测等,下面以它们为例说明遥感在军事战场环境态势感知的应用现状。1)军事侦察。遥感技术具有侦查范围广、发现目标快和不受地理条件限制等优点,是现代军事侦察的重要手段。例如用约束能量最小化算法4 3对高光谱图像进行目标检测,能够检测出丛林中的坦克和被搜救人员等2 6,但是高光谱图像的预处理(降噪和降维技术)、混合像元(如融合空间信息的解混算法)和战场应用技术(如约束能量最小化算法和基于稀疏编码的目标探测算法)为了满足战场环境侦查的准确性,其算法复杂度较高,不能满足战场环境实时态势感知,为了进一步提高战场态势感知速度,需要利用分布式计算方法对高光谱图像进行处理。在俄罗斯与乌克兰战争中,中国遥感公司通过获取的乌克兰地区卫星遥感影像,利用遥感解译技术,提取出切尔诺贝利核电站、重要机场等重要军事设施。另外,通过“海丝一号”获取的S A R遥感卫星可以看出,距机场约1 k m附近有大规模俄军车队集结。2)海洋监测。信息化战争往往是多军种跨区域联合作战,海上作战环境态势感知是非常重要的。舰艇是海上作战环境中的重要感知信息,合成孔径雷达和视频卫星可以有效探测和跟踪舰艇的活动2 9-3 0。然而,在复杂战场环境舰艇跟踪精度较低,而且实时目标跟踪技术仍是目前遥感应用的一大难题2 8。3)毒剂侦测。遥感利用电磁波与毒气之间相互作用产生的特定吸收或散射作用识别毒气。如沙林和梭曼含磷的神经性毒剂对特定波长的红外线有强烈的吸收作用,然而其他物质对此波段不吸收或很少吸收。美国已经制作出遥感毒剂警报器4 4。因为不同毒剂需要进行光谱实验才能发现吸收和散射的特征,在战场中对于新型毒剂无法及时识别,因此,需要提高智能检测能力。4)军事测绘。作战中为了提高飞机导航和武器打击精度,必须获得作战区域的精准地形图。遥感技术给全球定位和高精度地形图提供数据,保障决策者了解战区地理形势,掌握战场地形情况,服务部队在作战和训练中正确利用地形及技术兵器准确定位,充分发挥射击效能。在平原地区精度较高,但是在复杂山区和海洋水下作战获取的地形图精度有待进一步提高。5)气象观测。战场环境气象条件准确实时感知对作战决策和胜负有着巨大影响。气象卫星利用红外分光计和微波辐射计等传感器,能接收大气层信息,经过遥感信息加工处理可获得多种气象信息。如气象卫星可以探测云水含量和降水信息等。虽然根据云光学和物理参数可反演云水含量,但是对云湍流状态、含水量和云几何形态等信息反演存在时间滞后性4 5-4 6。遥感技术通过作战环境态势感知提供信息,为决策提供科学依据,但是其应用受到大气和天气因素限制,精确度面对军事需求相对较低,噪声干扰会导致有效信息量减少。另外,遥感对于满足作战需求的覆盖面积不足,实时性相对作战行动存在滞后性。4 遥感在战场环境态势智能感知面临的挑战 虽然现在已进入遥感大数据时代,但是对战场环境的感知往往基于单一遥感数据源,不能全1 6 中国空间科学技术F e b.2 5 2 0 2 4 V o l.4 4 N o.1面了解战场环境态势信息,可能会导致指挥人员决策出现偏差,错失作战先机。而且,多源遥感数据的战场环境感知来自于不同卫星、不同传感器、不同类型、不同时相和不同空间的遥感数据,战场环境态势感知的信息可能受这些多源遥感数据的几何不一致性的影响4 7。另外,复杂战场环境瞬息万变,面对大量遥感数据指挥人员无法及时提取有效信息支持决策,因此需要实时提取出战场环境有效信息,帮助指挥人员及时做出正确的作战决策,这对战争的胜利至关重要。4.1 单一遥感数据源的信息态势感知遥感技术是现代战场环境态势感知的重要手段。复杂的战场环境全面态势感知包含多方面的战场态势感知需求5-8(图3),因此,想要全面准确掌握战场环境态势感知需要多源遥感数据协同提供数据。然而,目前对于战场环境态势感知往往采用单一数据源,这样对战场环境信息的描述不完全。图3 战场要素态势感知体系F i g.3 B a t t l e f i e l d e l e m e n t s i t u a t i o n a l a w a r e n e s s s y s t e m 吴玲达等综述高光谱影像在战场的应用,能够检测识别出坦克、地雷和人员等2 6,在对目标的材料鉴别和区分自然环境背景与伪装的军事目标等方面优于多光谱,但在云、高大树木遮挡的情况下或者下雨天等不能准确识别出目标。合成孔径雷达能全天时,不受云雾雨等影响,且具有很强的穿透能力,可以识别遮挡住的目标,很好地补充光学遥感目标识别的不足。王晧等利用激光雷达对战场油料感知2 7,达到在各种复杂战场环境下快速高效保障的目的。激光雷达的发散角度较小,需要微波的大发散角度增强搜索能力;激光雷达不能感知油料的温度,需要红外成像仪感知油料温度,能更快发现特定目标。光学遥感影像只能在白天对战场环境中军事人员检测或图像分割提取信息,但是在晚上无法获取数据。然而,热红外遥感可以在全黑无光的条件下工作,根据目标与环境之间温度和辐射差异产生的热对比度而成像,能够很好地提取战场环境军事人员。王辰等分析S A R的深远海船舶动态感知技术实现大区域深海船舶交通态势分析、遇险船舶定位及应急指挥和海事日常空中主动巡航监管等。S A R的分辨率对船舶监测精度有影响,会造成小的船舶检测遗漏,因此需要多源遥感其他手段获取的信息匹配、关联和融邵振峰,等:多源遥感数据在战场环境智能态势感知的现状及展望1 7 合,实现深远大区域海洋船舶多手段感知,提高海洋船舶检测的准确性3 0。因此,如果想要实时准确掌握战场环境态势感知,需要多源遥感数据协同提供数据源。用于战场环境态势感知的传感器很多(如热红外、高光谱、合成孔径雷达和点云等),它们提供的战场环境信息各有优缺点,获得全面有效的战场环境信息需要对多源遥感数据协同工作进行探索,保留有效战场环境态势感知,排除冗余信息。且态势感知的需求需要对多源异构数据和算法进行统一管理,满足领域内不同场景对计算、分析和应用的需求。4.2 多源遥感数据的几何配准精度现在和未来作战是典型的多域联合作战,包括海陆空多军种联合、有人无人协同作战。为了使多军种联合作战协同行动,需要确保各军种面对的战场态势感知信息一致。由于不同军种协同作战任务的差异,甚至是跨域联合作战,因此,要对不同军种的战场环境态势感知的多源遥感数据进行精确的几何配准。目前,学者们已经提出了 尺 度 不 变 特 征 变 化 算 法(s c a l e-i n v a r i a n t f e a t u r e t r a n s f o r m,S I F T)、归一化互相关法和有理多项式系数模型等多种遥感影像配准方法。例如尺度不变特征变换算法配准时会产生大量的误配对点4 8,造成配准精度不高。归一化互相关法4 9需要两幅影像之间的灰度变化有线性关系,才能得到理想的匹配结果。多源遥感数据包括不同卫星遥感数据、传感器数据、成像或不成像的数据。而且,不同遥感平台的数据获取方式不同、时间不同、平台姿态不同及影响因素等不同,导致遥感数据之间的配准存在非常大的困难。例如光学影像和合成孔径雷达影像的成像机理不同,造成它们之间严重的几何变形和辐射差异,造成光学和合成孔径雷达影像之间的配准非常困难。另外,由于遥感数据预处理步骤和重投影等不同均会影响遥感数据的几何精度5 0。例如,正弦投影的MO D I S产品在中纬度和两极图像畸变非常明显5 1。目前随着人工智能的发展,群智能算法、进化算法和深度学习已经在遥感图像配准中得到了应用5 2-5 3。群智能算法具有智能、并行和鲁棒的特点,对初始条件不敏感,可在各种情况下找到最优解。进化算法是一种启发式的全局优化概率搜索算法5 4,可以很好适用于遥感图像配准,并取得令人满意的结果。深度学习对遥感影像配准可以进一步提高配准的精度和鲁棒性5 5。但是人工智能(例如群智能算法和深度学习等)提高遥感图像配准的精度和速度仍然是重中之重,面临以下几个挑战。第一,在遥感大数据时代,遥感图像配准的效率低5 6;第二,将生物启发计算方法和并行计算技术相结合满足遥感影像实时配准的需求是未来研究的一个重要方向5 7;第三,多源遥感图像配准的问题5 8。传统的遥感图像配准方法用于多源遥感图像配准精度低,甚至匹配失败。因此,如何利用人工智能方法解决多源遥感图像配准仍然是一个难题。4.3 复杂战场环境态势感知能力限制面对复杂动态变化的战场环境,只有通过多源遥感才能全面掌握战场变化信息,因此,造成战场信息量是非常巨大的,如何从海量数据中提取有价值的信息,并转化为作战所需的知识提供给指挥人员,是复杂战场环境实时准确智能态势感知的困难。基于传统的数据挖掘方法(如贝叶斯网络和D-S论证理论等)面对大数据、非线性、“战争迷雾”和复杂的战场,难以适应未来战场态势感知的需求5 9。另外,战场环境的高度独特性6 0需要高稳定性的算法。目前,虽然深度模型具有良好的泛化能力,但也有极大的脆弱性6 1。而且,深度学习面临的困难之一就是需要海量样本数据来训练模型,然而在战场环境中,样本数据很难获取3 4。仅靠演习和推演模拟获取的样本数据与真实战场存在明显差距,因此造成深度学习对战场上环境态势感知的限制。元学习6 2的少样本学习对战场环境态势感知具有重要的借鉴意义。深度学习是一种基于神经网络的黑箱过程6 3,然而目前学术界无法给出可靠的理论说明。深度学习的可解释性理论是提高算法稳定性,也是复杂战场环境下智能态势感知从“可用”向“敢用”过程中必须克服的难题。1 8 中国空间科学技术F e b.2 5 2 0 2 4 V o l.4 4 N o.15 遥感在战场环境智能态势感知的前瞻 未来战争中,对复杂战场环境态势智能感知的速度、全面和准确将成为战争胜负的决定因素,谁能全面获取战场环境数据、快速处理战场信息、理解态势和实施决策并执行打击,谁就能赢得战争的主动权。因此,本文从智慧战场和人工智能技术提高战场环境智能感知能力,对未来战场环境智能态势感知发展进行展望。5.1 遥感在战场环境智能态势感知的可解释性复杂战场环境存在大量不确定因素和非线性信息,而且在短时间多传感器就可以获得海量数据。战场环境态势数据也表现出大数据特征,即大量、多样、价值、高速和真实性6 4。因此,对面向复杂战场环境感知的海量数据快速智能处理提出了挑战。目前,大量的数据需要人工手段处理,精准快速处理效果差,导致海量数据的应用价值得不到发挥。因此,需要高精度、高时效性、自动化的数据处理和信息提取技术,来提高战场环境智能态势感知能力。数据挖掘技术对战场态势复杂的海量信息挖掘出背后隐藏的价值和知识,为指挥人员提供决策信息支持。然而,传统的数据挖掘方法已经不能满足信息化战场的需求6 1,因此数据挖掘技术是当今战场环境信息研究的热点之一6 5。在复杂动态快速变化的战场上,将人工智能技术用于提高战场环境大数据挖掘是接下来研究的问题。未来,人工智能将实现“机器智能自动处理”的新型人机关系1 1,提供实时的战场环境态势感知,为指挥人员制定作战决策提供有效数据支持。数据融合技术目前广泛用于战场环境的目标识别和跟踪6 0。在未来战场,多传感器数据和实时信息准确处理对于信息融合过程非常重要。目前,有关信息融合的算法很多,例如贝叶斯估计6 6、机 器 学 习6 5和 卷 积 神 经 网 络6 7-6 8等。传统的信息融合方法信息处理能力受限,融合结果精确度较低,不适用多传感器。面对越来越复杂的战场环境,怎么利用人工智能技术对多源传感器数据进行融合,准确实时获得有效战场环境信 息,是 信 息 融 合 方 法 今 后 发 展 的 重 要趋势。随着深度学习技术的快速发展,战场环境智能态势感知水平会逐渐提高,最终达到实用化战场环境智能态势感知。由于深度学习是黑箱过程,虽然学者从几何的观点试图解释深度学习的本质6 9,但是无法给出可靠的理论解释。而且,龚健雅等阐述了现有基于自然影像的可解释性算法在遥感影像解译分析中存在的问题7 0,推动了深度学习可解释性发展方向。因此,深度学习在战场上适用性的可解释性理论是未来发展的方向。另外,对于战场环境多信息融合缺少可靠数据,也是造成战场环境智能态势感知水平低的原因。因此,收集可靠复杂战场环境多信息源融合数据与研究深度学习的可解释性是未来中国无人平台智能态势感知能力从“可用”到“敢用”的