航拍图像中的目标检测是计算机视觉领域的重要问题之一,在空中侦察、交通建设、空中救援等方面有着极其重要的应用.与传统地面拍摄相比,航拍图像具有拍摄位置和角度灵活、监视范围广等优势,但图像尺寸较大,图像中目标呈现出尺寸小、角度变化大、纹理信息缺失等特点,当前目标检测算法在航拍图像上的准确性和时间消耗都无法满足实际应用需求.本文针对上述问题,结合飞行器平台计算资源有限的特点,基于目标性与显著性分析提出了面向不同应用场景的航拍目标检测算法,并通过实验证明了算法的有效性.　　针对高空拍摄图像中的小目标检测问题,本文提出了基于目标潜在区域提取和局部区域显著性检测的方法.首先利用二值化梯度特征对图像进行目标性分析,通过潜在目标的分布情况提取出若干个图像局部区域,再对图像区域进行快速显著性检测,并根据区域显著性检测结果进行目标定位和虚警剔除.虽然该方法在测试序列上对小目标取得了不错的效果,但对目标尺度变化的适应性较差,且存在计算冗余等缺陷.为了解决上一算法中存在的问题,本文进而提出了针对航拍序列的多尺度显著性与目标检测算法.首先对图像构造多尺度空间进行目标性分析,推荐出大量窗口用于覆盖图像中不同尺度的目标,然后使用基于方向对比度的显著性检测算法对窗口进行显著性检测,最后基于边界连通性和窗口紧致度进行窗口优化与虚警剔除.该算法得到的检测窗口能够更好的贴合目标轮廓,并且对图像中各种尺度的目标都有较高的召回率.　　单帧图像上的目标检测算法大多使用图像梯度或对比度进行目标性分析,当目标对比度较低或部分被遮挡时,算法很容易漏检目标.因此我们提出了一种航拍序列中的运动目标检测算法,通过连续图像中目标的运动信息来解决低对比度目标的问题.算法首先通过光流提取图像中的运动边缘,然后基于边缘组合与窗口打分进行目标性分析,推荐出可能包含目标的窗口;接下来对窗口进行显著性检测,并通过条件随机场进行帧间优化,使检测窗口在时序上更加稳定.实验证明,本文所提出算法有效解决了目标与背景对比度较低时的目标检测问题,同时具有一定的抗遮挡性.