刘媛

（ 北京建筑大学 测绘与城市空间信息学院，北京100044）

遥感数据日益多元化，数据获取的速度加快，更新周期缩短，时效性越来越强[1]，极大的促进了遥感影像相关的应用研究。传统的遥感影像目标识别主要是基于人工提取特征的方法，但遥感图像中丰富多样的细节信息使得人工描述的单一特征不足以全面表达目标地物，且多依赖于专家经验。此外，建立在概率统计基础上的机器学习通常需要复杂的特征描述，并且基于其浅层的网络结构学到的特征表达在处理复杂的目标检测问题时表现性能及泛化能力有明显不足。

2000 年以后随着计算资源大规模提高，基于人工神经网络的深度学习方法蓬勃发展。深度神经网络能够通过大量的训练数据及具有隐藏层的深度学习模型学习高维特征，提高了目标检测的分类精度。深度学习的深层结构及特征学习能力在图像处理领域取得了巨大的成功，大量学者也将其运用到遥感目标检测与识别领域。本文对当前深度学习应用于遥感图像处理的方法进行对比分析，有助于追赶深度学习的发展步伐，帮助研究人员更好的了解这一研究领域。

1 基于深度学习的遥感图像目标检测方法

遥感图像目标检测方法包括基于区域提议方法和基于回归的方法，基于区域提议的方法先生成一系列目标候选框，然后再利用卷积神经网络对目标进行分类与边框回归，具有高精度的优点。……