随着现代遥感技术体系的不断发展与完善,遥感图像目标识别技术已广泛应用于国防和经济民生领域。飞机目标作为航空经济和军事活动的重要载体,一直都是光学遥感目标检测的热点。尤其对于机场飞机的自动识别,可实现飞机的进出港动态监管、建设智能化管控体系,以及对非合作机场态势分析、获取战事信息,具有深刻的实际应用价值。遥感机场图像尺幅大、场景复杂,存在较多与飞机表观特征相似的物体,且成像过程受到多种因素影响,目标图像特征易产生显著性变化,对算法的快速搜索目标能力及抗干扰能力要求高。本文围绕光学遥感机场图像飞机检测展开研究,分析了机场飞机的周域特点、差异性特征,重点研究了复杂机场场景层次化飞机候选区域提取、基于特征融合的深度环境上下文建模、基于周域环境约束的候选区鉴别三项关键技术,提出了一种有效的机场飞机目标检测方法。论文的主要研究工作总结如下:首先,针对大尺幅遥感图像中目标占比小、背景信息冗余,且机场非目标区域多样、特征属性不统一,通过单一手段难以有效剔除问题,提出了一种基于空间信息的层次化候选区域提取方法。该方法通过分析机场中飞机空间分布特点,采取非目标区域剔除的逆向提取手段。根据非目标区域不同的纹理特征属性,设计了基于积分图的方法,通过梯度积分图构建以及一系列形态学处理,去除平缓纹理区域;提出了基于双维积累扫描的方法,结合行列扫描及标志位判断,剔除密集纹理区域。实现了飞机候选区域层次化快速提取,筛除了大量无效信息。其次,针对遥感机场场景复杂性高,目标表观特征稳定性不足的问题,设计了基于局域上下文特征与梯度特征融合的深度建模方法。分析目标与干扰物的差异性特征,选取上下文信息作为表述。基于MLPH描述子提取具有飞机局域环境上下文信息的关键点,采取高斯加权方法强化关键点自身中心特性,构造局域上下文特征图。并通过特征图权重与梯度幅值增益计算,有效结合局域上下文特征与梯度特征,构建多尺度局域上下文HOG金字塔,实现深度信息融合建模。该方法通过互补信息结合的策略,增强了特征的表述能力及稳定性。接着,对于单一特征判别能力有限,鉴别目标时易产生虚警的问题,提出了一种基于周域信息约束的候选区鉴别方法。本文采用局域上下文HOG特征金字塔,引入周域环境信息作为约束对候选区进行鉴别。较仅基于梯度特征进行目标鉴别而言,本方法对目标的判别能力有较大提升,能有效抑制虚警的产生。此外,针对遥感图像中飞机目标方向各异,存在旋转变化的问题,根据飞机几何结构信息及停靠排布方式,设计了基于周扫滤波的疑似目标方向预估计方法。克服了全角度旋转检测与混合模型检测计算量大、时效性低的问题。在上述三项关键技术研究的基础上,本文构建了一套的遥感机场飞机检测软件。通过对目标潜在区域的快速提取,将精细鉴别聚焦于有效区域,基于信息层次丰富的目标特征,进行精准的机场飞机检测。同时,本文构建了民用及军民混合两类数据集,在自制数据集的支持下,进行多角度的对比实验,实验表明本文提出的方法对于大尺幅遥感机场图像具有良好的处理能力,抗复杂场景干扰能力强,能实现准确的飞机检测,且具有高时效性。