遥感图像目标检测是遥感图像任务中的重要组成部分,且在很多场景中都得到了很好的应用。随着获取遥感图像技术的发展与进步,遥感图像数据量快速增加并且获取的遥感图像分辨率越来越高,而今的遥感图像目标检测面临存储和实时性问题。哈希学习因其高效的计算效率常被用来处理大规模数据,其将高维数据映射为二进制码,然后进行其他任务,这样在提高大数据处理的速度方面效果显著。本文主要依据遥感图像的特性对哈希学习的分类方法进行改进,提出了最优投影离散哈希遥感目标分类方法,并针对遇到的问题进一步改进该方法,随后将其应用到遥感图像目标检测任务中。本文的主要工作有:（1）提出了最优投影离散哈希的遥感目标分类,考虑到监督哈希学习过程中没有充分利用原始遥感图像特征信息,为了使生成的哈希码既能保持基于标签信息的相似性又能保持基于原始图像特征信息的相似性,在利用监督信息学习哈希码和哈希函数时,增加一个最优投影约束,在实验上验证了与以往的监督哈希方法相比,本文提出的最优投影离散哈希方法（OPSDH）来对遥感图像进行目标分类时分类精度有明显的提高。（2）研究了改进的最优投影离散哈希遥感图像目标分类方法,基于哈希学习的遥感目标分类精度会随着哈希码长度增加而增加,短哈希码在生成过程中的信息丢失严重,改进的OPSDH方法利用哈希码和原始空间特征信息进行重建来减少短哈希码生成过程中的信息丢失严重的问题。与当前高效的哈希方法相比,改进的OPSDH在保证长哈希编码时分类效果的前提下,在短哈希码时的分类精度有明显提升。（3）研究了基于最优投影离散哈希的遥感图像目标检测方法,将改进的OPSDH方法应用于遥感图像目标检测来有效提升遥感目标检测的速度,通过对遥感图像目标检测过程的研究,我们用OPSDH分类去除大部分背景信息,极大的加快了检测的速度,通过实验验证,与其他哈希学习分类方法相比,OPSDH也有明显的优势。（4）实现了一个基于最优投影离散哈希的遥感图像目标检测系统,将提出的遥感图像目标检测方法进行了实际的应用,在系统中实现了选择输入数据模块、检测结果呈现模块以及检测性能评估模块,并详细介绍和展示了各个模块的功能实现。