随着遥感成像技术的不断发展,遥感图像的获取更加便捷。作为遥感图像分析领域的研究热点,目标检测旨在从大规模遥感图像中快速定位特定目标,被广泛应用于交通管理、城市规划、军事监控等领域。遥感图像信息的丰富既是机遇又是挑战,一方面增加了遥感图像目标检测的信息来源,另一方面增加了特征提取的难度。本文以遥感图像目标检测为任务,充分调研了其基本原理及相关方法,并对现有问题进行了总结与分析,针对遥感图像目标检测技术开展了深入研究。本文提出了一种基于区域增强卷积神经网络的遥感图像目标检测方法。首先,针对复杂背景信息对卷积神经网络特征提取性能的制约,提出了基于区域增强的双分支卷积神经网络,增强目标区域的特征,降低背景信息的干扰。其次,引入显著性信息和像素级损失函数,优化显著性区域信息的提取并增强特征图中的目标区域。最后,利用多特征图融合策略提取上下文信息,进一步丰富特征图内容,进而增强网络对目标的检测能力。实验结果表明,所提出的方法能够在复杂场景中增强目标特征,抑制背景干扰,获得了较好的检测精度。本文还实现了一种基于自注意力机制的遥感图像目标检测方法。首先,依据自注意力机制能够提升目标区域权重、增强目标响应的特性,设计了简单有效的自注意力模块,增强了目标特征。其次,考虑到不同尺度特征图的信息差异,构造了层次化自注意力提取网络,并引入空洞卷积建立了多尺度特征图结构,构造了高效的目标检测网络。实验结果表明,所实现的方法有效增强了目标区域特征,改善了目标检测精度。