● 摘要
随着遥感技术的发展，遥感图像的分辨率越来越高，使得遥感图像中的目标检测成为热点。本文针对高分辨率遥感图像中的飞机目标进行检测，主要分为三个步骤：目标候选区域选择，特征提取和目标检测。分别提出了基于遥感图像异常检测的区域选择，径向坐标系统的旋转不变特征和基于样本目标的的目标检测方法。利用遥感图像中的邻域信息和目标样本信息，并结合高光谱图像的目标检测算法，有效的解决了遥感图像中目标检测问题。
本文的研究内容如下：
首先，利用遥感图像的空间邻域信息，我们提出将高光谱图像的RX异常检测方法应用到遥感图像的目标候选区选择。在遥感图像中，目标的邻域信息之间则有很大的差异，通过将邻域信息转化成数据高光谱，利用RX检测器的特性，即检测感兴趣的与周围有很大不同的异常光谱，能够有效的提取目标候选区域，同时通过实验，RX异常检测的方法不仅能够缩短检测时间，并且提高了检测率。
然后，为了解决遥感图像中飞机方向问题，我们提出基于径向坐标系统的旋转不变特征。利用径向坐标系统，将梯度信息投影在径向坐标上，使得基于环的梯度信息具有旋转不变性。通过实验分析，得到了具有很好识别特性和旋转不变特性的特征向量，该特征向量很好解决了遥感图像中飞机目标方向问题，并且可以利用单样本目标样本进行飞机检测。
最后，在检测过程中，我们只利用样本目标进行遥感图像的飞机检测。通过目标候选区域的提取和旋转不变特征的提取，将遥感图像转化为特征高光谱，提出了基于高光谱图像的最小能量约束目标和高阶统计量的遥感图像目标检测，通过增加正则化项和正交投影权值的方法提高检测效率。实验表明，只基于目标样本同时压制背景信息最小能量约束或利用高阶统计量信息进行目标检测，具有较高的检测率和低虚警率。