李 昂，王晟全，张 晨

（1.南京邮电大学 通信学院，南京 210003；2.南京理工大学紫金学院，南京 210003）

机场目标的识别是一种常见的遥感图像目标提取，具有重要的战略意义，并且因为识别难度较大，一直是研究人员关注的重点［1－4］。常用的机场目标检测算法，如Darknet，是整体求解特殊场景的目标检测［5－6］，它对遥感卫星图片的小特征目标不是很有效。其次，卫星图像中的目标大小和方向各不相同，因为卫星地图是从空中角度拍摄，所以角度不固定，变化较大，目标方向可能并不相同［7－8］，因此，传统的目标检测算法很难准确检测到目标。肖志坚等［9］提出了一种遥感图像中机场跑道的自动识别方法。在分析机场结构特征的基础上，首先采用形态学方法提取图像的线结构；然后通过非监督聚类方法将直线段动态分组；最后进行直线段修复和跑道配对，实现对机场的识别定位。王鑫等［10］提出了基于图像显著性区域的遥感图像机场检测。朱丹等［11］提出了基于直线邻近平行性和GBVS显著性的遥感图像机场目标检测。国外的研究人员也对此进行了相关的研究［12］。工程上常用的解决方法是对数据进行规模转换、旋转等数据增强操作，这就造成了很多有效时间的浪费，效率不高［13］。本文提出应用Rsnet目标检测框架来实现对遥感机场目标的识别。该框架最重要的改进是使用了Global Maxpooling，并且将迁移网络Mobilenet的思想用于主干网络上，主要用于解决全连接问题只对最后一层的特征图进行池化，形成特征点。……