随着科技的发展,遥感图像飞机目标检测与识别已成为计算机视觉领域研究的热点和重点,被广泛地应用于军事领域和民用领域。飞机作为一种重要的军事目标和交通工具,获取它的信息不仅对战争的胜利异常关键,而且对机场飞机的管理也很重要。近年来,国内外对遥感图像飞机目标检测和识别技术虽然取得了一定的进展,但实际上,由于遥感图像存在大量的干扰,如噪声、复杂的背景、光照变化等,对识别技术存在很大的影响,使得现有算法仍有许多不足,比如算法识别精度低、耗时量大,以及算法具有很强的针对性而没有一种通用的识别算法等。因此,为了提高算法识别精度,减少耗时量,增强算法的通用性,本文在现有算法的基础上,展开了本课题的研究。本文的研究内容和成果如下:1、介绍了遥感图像飞机目标检测与识别的关键技术,主要包括特征提取、识别方法和算法的评价指标。其中,重点分析了形状特征和识别方法的优劣,并且在检测率和识别率的基础上定义了一个新的评价指标。2、针对现有算法针对性强和耗时大的问题,提出了基于显著图和多特征结合的飞机识别算法。该算法基于一种层次化识别方法来检测和识别遥感图像飞机,首先利用显著图凸显显著目标;接着使用基于区域增长和线标记算法寻找连通区域来确定候选目标的数量和位置;然后提取MSA、Pseudo-Zernik矩和Harris-Laplace特征描述子,并使用标准差和均值的比值来评估特征的稳定性,再把提取的特征结合成特征向量;最后应用支持向量机的方法完成对候选目标的识别。实验表明该算法能克服光照变化的影响,且耗时量少、通用性强。3、提出一种基于图像熵和形状特征融合的飞机检测算法。图像熵能够自然生成团块区域,它不像边缘检测那样只有目标的边缘,也不像显著图那样不能直观体现飞机目标的形状,非常适合于飞机目标粗定位。首先采用图像熵获得飞机目标的疑似区域;接着提取仿射不变矩、归一化转动惯量和奇异值分解;然后对3个特征进行稳定性分析后加权融合成新的特征向量;最后采用支持向量机来完成飞机目标检测与识别。实验证明该算法是行之有效的,同时还能克服飞机目标检测对边缘、轮廓等的依赖,获得了较高的检测率和较低的虚警率。最后,对全文进行工作总结,并指出未来研究工作的方向。