廖育荣，王海宁，林存宝，李阳，方宇强，倪淑燕

（1.航天工程大学电子与光学工程系，北京 101416；2.航天工程大学研究生院，北京 101416）

0 引言

光学遥感图像目标检测的主要任务是在光学遥感图像中对感兴趣目标进行定位和分类[1]，在情报侦察、目标监视、灾害救援、工业应用及日常生活等领域都发挥着重要作用，同时也是后续目标跟踪、场景分类、图像理解等工作的基础。遥感图像目标检测关注的对象通常包括港口、桥梁、飞机、舰船、车辆等多类型目标，由于遥感目标自身存在任意方向旋转、小目标、多尺度、密集分布等情形，叠加不同成像条件及环境因素等对遥感图像的影响，导致针对多场景遥感图像目标的检测具有很大挑战。

传统的遥感图像目标检测算法一般可以分为基于模板匹配的算法和基于人工特征建模的算法。具体地，基于模板匹配的算法计算输入图像中特定区域的特征向量与模板特征向量的匹配度，如结构相似性测量[2]与Hausdorff 距离匹配[3]，根据匹配度大小来检测目标。基于人工特征建模的算法基于专家先验规则以选取候选区域，进而建立目标的特征表示，如视觉显著性检测[4]、尺度不变特征变换[5]、定向梯度直方图[6]和稀疏多模态学习[7]等，再通过分类器实现对目标的检测。传统遥感目标检测算法虽然理论完备，但其难以对多种复杂任务场景及目标进行充分特征表示，且滑动窗口式等操作限制了算法效率，导致其目标检测的精度和速度难以满足实际需求，针对不同类型的检测对象泛化能力仍需提高。……