1、本文所研究的針對高分辨率遙感圖像的多類目標(biāo)檢測識別任務(wù)，有別于傳統(tǒng)的對每類目標(biāo)建立具體模型的識別方法，其目的是通過提取感興趣區(qū)域，在大尺度圖像范圍內(nèi)同時對多類目標(biāo)進(jìn)行檢測識別，在保證較高識別率的同時顯著提高效率。
　　 針對高分辨率遙感圖像中的五類人工建筑物目標(biāo)（機(jī)場，港口，橋梁，公路樞紐，鐵路樞紐），本文使用幾何特征提取感興趣區(qū)域與特征向量，參考圖像紋理分類信息，采用樹形識別結(jié)構(gòu)在多分辨率進(jìn)行檢測識別。其關(guān)鍵點(diǎn)在于：產(chǎn)生有效的

2、特征向量描述各類目標(biāo)，提取感興趣區(qū)域以剔除大量無關(guān)背景，以及設(shè)計合理的分類器對潛在的目標(biāo)進(jìn)行識別。
　　 本文的主要研究內(nèi)容如下：
　　 首先，基于人工建筑物目標(biāo)常表現(xiàn)出較多的線特征，采用線段特征作為初級特征。改進(jìn)了相位編組線段檢測算法，參考Canny算子提取的邊緣信息輔助提取線段特征。通過實驗表明，該改進(jìn)算法具有效率高，抗噪能力強(qiáng)，能有效提取關(guān)鍵線段特征的優(yōu)點(diǎn)。
　　 同時，結(jié)合結(jié)構(gòu)匹配方法和特征袋（Bag o

3、f Features）思想產(chǎn)生特征向量。對提取出來的初級線段考慮形狀，幾何關(guān)系和空間關(guān)系，將原始線段組合成幾何基元并計算相應(yīng)屬性，由此得到特征向量。
　　 然后，根據(jù)人工建筑物目標(biāo)常表現(xiàn)出密集線段的特性，提出了一種檢測遙感圖像中人工建筑物的感興趣區(qū)域提取方法，通過計算線段密度分布圖來獲得感興趣區(qū)域。通過實驗表明，該方法能夠在復(fù)雜場景中很好的將人工建筑物區(qū)域提取出來，排除了大量背景區(qū)域的干擾。
　　 最后，討論了SVM分類