大幅宽遥感图像的动目标检测研究中,卷积神经网络虽然取得了显著效果,但算法存在目标搜索空间庞大,模型极其消耗时间及计算资源的问题,因此从目标区域预筛选的角度给出了针对性优化方法。首先基于局部误差处理的策略,改进了现有的图像分割算法来粗糙地提取运动目标可能存在的区域;然后以相邻区域合并,减少总数量和面积为目的,设计了一种基于空间约束的密度聚类算法SC-DBSCAN,其以分治思想来降低问题的规模,通过空间尺寸的先验约束自适应地将数据划分为多个相互独立的簇,随后针对簇的复杂程度选择相应的合并策略。在复杂簇中,考虑到合并结果与对象遍历顺序相关,易陷入局部最优,引入基于模拟退火思想的随机扰动有效提升了输出的图像块质量。最终通过减少模型推断次数及避免目标的重复检测,显著地改进动目标检测的整体效率。