基于深度学习的光学遥感图像目标检测方法研究

受益于我国科学技术的不断进步，光学遥感成像技术取得了长足发展，创造了大量
可供学习和研究的高质量光学遥感图像。在民用与军事领域，对光学遥感图像的研究与
应用正受到各界科研人员的普遍关注[1]。 
高分辨率光学遥感图像（High Spatial Resolution Optical Remote Sensing Image）具有
精度高、畸变小、噪点少和抗电磁干扰等优点，在诸多领域都有着广泛的应用[2]。光学
遥感图像的目标检测是对光学遥感图像的重要研究与应用方向之一，目的是从给定的图
像中搜索出感兴趣的目标物并通过边界框的输出形式标注目标位置、判断目标类别。光
学遥感图像的目标检测技术，在环境资源保护、航运调度、城市管理规划、国防军事等
领域均具有重要作用。例如在城市管理规划中，通过检测城市内拥堵车辆，从而更加合
理地建设道路、立交桥等基础设施，有效规划工业和生活用地 [3]；江河与海域上的船只
检测，为港口与航道监控、渔业管理、抢险救灾等带来了新的思路[4]；国防军事方面，
光学遥感图像的目标检测技术早已成为了现代战争中的常规作战方式，检测诸如军舰、
坦克、机场跑道、军用飞机等重要军事目标[5]。然而随着遥感卫星的不断发射以及所获
图像分辨率的提升，也为图像处理过程带来了新的挑战。首先光学遥感图像背景复杂，
在俯拍成像过程中存在光照、阴影以及相似物体等诸多因素干扰，这些均会对目标检测
器的检测效果产生不良影响[1]，其次传统的光学遥感图像处理技术在精度、效率及泛化
性上都表现乏力，在某些程度上也限制了图像信息的深层挖掘与进一步应用。 
近年来，深度学习的迅猛发展在自然场景中获