黄世奇，蒲学文，张玉成，罗 鹏

(西京学院 信息工程学院， 西安 710123)

1 引言

目标检测、分类与识别是遥感图像处理与应用的重要内容，特别是军事领域中目标情报信息的获取主要来源于各种遥感图像。利用遥感图像对机场中的飞机进行有效检测和监测，是对飞机目标进行有效分类和识别，以及对飞机活动规律和活动目的进行判断与预测的依据。飞机目标检测与识别技术一直是学者们研究的热点，并提出了许多有效的算法和模型[1-10]，并得到了很好的应用。这些方法大体上可分成传统的特征检测方法和深度学习检测方法2类。传统的方法一般是先提取特征，然后用各种分类器来实现飞机目标的检测。当然，也可以直接利用特征或阈值来检测飞机，如直方图特征检测、恒虚警率检测和马尔科夫随机场检测等。文献[11]通过提取多维不变矩特征，然后选择关键的几个特征作为识别特征，最后利用支持向量机分类器实现飞机目标的检测。传统的方法实现飞机目标检测过程简单、运算量少，但是对于复杂背景下的飞机目标检测，或者是小型飞机目标的检测，正确检测率低，易产生较多的虚检率，同时对于飞机目标特征的描述和提取表现也不太理想。随着深度学习技术的飞速发展和应用，其在遥感图像处理中的应用也不断增加[12-17]。文献[18]利用全卷积网络(fully convolutional networks，FCN )实现了遥感图像中飞机目标的检测，同样对于小尺寸飞机目标的检测效果仍然不佳。……