张朕通，单玉刚，袁 杰

1.新疆大学 电气工程学院，乌鲁木齐830047

2.湖北文理学院 教育学院，湖北 襄阳441053

遥感影像检测一直是遥感图像领域的热点研究方向。遥感图像中的目标检测对于城市监控、农作物检测、环境探测都有重要意义。遥感影像有其独特的特点，使得遥感目标检测比普通的目标检测更具有挑战性，研究人员针对遥感目标的特殊性提出了许多相应的解决方案。为了解决遥感图像中信息量大，数据非线性的问题，文献[1]使用光谱、纹理、形状等特征从不同角度分析图像，并对多个特征进行线性组合，提高了检测精度。文献[2]提出一种流形学习计算遥感特征信息低维投影矩阵，通过优化最小误差重建输入特征。文献[3]提出了按块低秩分解的方法，将特征降维处理。为了解决遥感影像不同于自然图像的水平视角的问题，文献[4]提出了建立旋转不变性特征的方法。为了解决检测区域内地物突变的情况，文献[5]提出了结合MNF变换和Canny 算子方法。针对遥感影像中同类目标尺度变化大的问题，文献[6]基于相邻区域生长的最小异质性准侧，提出了一种面向对象的多尺度检测算法。文献[7]利用多尺度多方向梯度算子提取遥感图像特征，提高了提取特征的鲁棒性。

近年来，随着人工智能在计算机视觉领域的发展，出现了大量使用深度学习检测目标的相关研究成果。深度学习的检测方法一般分为单阶段和双阶段两种类型，例如文献[8]提出一种双阶段算法，借鉴滑动窗口思想，通过算法产生一系列目标候选框后再进行分类和回归。……