余东行，张 宁，张保明，郭海涛，卢 俊

(1. 信息工程大学，河南 郑州 450001; 2. 中国卫星导航定位应用管理中心，北京 100088)

机场作为国民经济的交通枢纽和军事斗争中重点打击的战略目标，实现遥感影像上机场和跑道的自动检测和识别对于辅助飞机起降和空中交通管制、提高精确制导武器的打击效果等方面都具有重要的现实意义。

机场目标在遥感影像上具有显著共性特征：①长直性的跑道和滑行道；②水泥和沥青等构成的地面及建筑具有较高影像灰度值；③位置通常远离城区，周边大多为农田、植被和稀疏的居民地，具有视觉显著性特征。基于上述特征，机场检测方法主要可分为三类：利用边缘和直线特征检测机场[1-4]、利用显著性检测与图像分割算法提取较大的机场连通区域[5-9]和利用机器学习的方法识别机场[10-14]。利用边缘和直线特征简单直观，但受影像质量的影响，通常难以获得稳定可靠且连续性较强的直线，直线检测的有效性与直线组的平行性判断易受田垄和河流等影响，检测耗时且精度低。视觉显著性特征依赖于图像上具有明显的视觉显著性区域，但这些方法极易受城区、山脉等其他同样具有显著特点的地物影响，虚警率高、通用性较差。文献[10—11]将卷积神经网络(convolutional neural network,CNN)应用于遥感影像的机场检测与识别任务中，大大提高检测的速度和精度，但由于机场具有多方向性，机场检测的精度仍有进一步提升的空间。针对上述问题，利用卷积神经网络在目标检测上的优势与机场在影像上的视觉显著性特征，本文设计一种结合卷积神经网络与显著性特征的机场目标检测算法，可实现机场的快速高精度检测。……