基于多源信息融合的巡飞弹对地目标识别与毁伤评估

面向利用多枚巡飞弹对地面高防御移动目标进行打击的任务场景，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。基于IoU判定实现红外图像与可见光图像的多源信息融合；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，利用卷积神经网络深度语义信息提取的优势，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%。