在遥感技术快速发展的今天,利用飞行器传感器很容易获取具有高分辨率的光学图像。利用遥感技术拍摄到的图像具有分辨率高、比例尺大、现势性高等优点,因此航拍遥感图像中的目标物体具有分明的特征信息,便于通过机器视觉等方法认知目标的属性,有利于目标的检测。在航拍过程中,由于飞行器所处的环境,姿态,视角等条件的不同,拍摄到的图像的背景,光照也会不同,同时图像中的目标也会存在旋转角度和大小差异,为了适应这一场景,本文对航拍图像目标检测技术进行了深入细致的研究。首先,介绍了课题的研究背景和意义,国内外相关研究情况。然后利用机器视觉技术为航拍图像设计了一种目标检测算法。算法主要包括特征提取、分类器训练以及目标检测三个过程。最后以飞机为目标进行了实验,并对实验结果进行了分析和评价。算法的设计与实现是本文研究的重点。首先本文介绍了一种特征:HOG特征即梯度方向直方图。然而,HOG特征并不具有仿射不变性,所以本文使用了一种方法来改进HOG特征,本文通过径向梯度转换(RGT)获得RGT梯度,该梯度在一个圆形区域内具有旋转不变性,并以传统HOG特征类似的方法统计单元格的RGT梯度方向直方图,获取多个带有位置角度信息的旋转不变HOG特征描述子。然后针对HOG特征在实际使用时只能检测出与其训练图片差不多大小目标的缺陷,本文提出了一种多尺度窗口遍历检测算法,最后本文利用旋转不变HOG特征和支持向量机(SVM)相结合的方式实现了带旋转角的飞机检测,并给出了算法的检测率和误检率,以及时间消耗。在本文最后,结合整个算法的设计和实现,对实验的不足提出了总结,并对未来的工作进行了展望。