高分辨率遥感对地观测技术是关系剑国家安全平和可持续性发展的重点技术，随着遥感影像质量呈现“三高”的发展趋势(即高分辨率、高光谱和多时相的数据)，世界主要强国都开始注重研究高分辨率影像的信息处理技术。我国在“十五”863高科技规划中就明确提出要“……发展高分辨率多维空间信息获取技术，研制高分辨率机载光学、微波对地观测数据获取系统。……解决遥感数据处理与分析作业中高精度、高效率的地物分类、变化检测等关键技术。”作为其中的一个子课题，针对高分辨率遥感影像的目标检测无论是在军事还是民用领域都有着广泛的应用前景。 就目前的遥感目标检测方法和系统而言，其性能无论是在效果和效率上都还不能达到令人满意的程度。其面临的主要问题有：1) 系统的处理对象发生了改变，传统的目标检测系统受遥感观测技术的局限，其应用的数据主要是高光谱影像。随着影像分辨率的增加，影像的特征由光谱维向空间维变化，特征维数也大大升高。面临新的影像特性，需要新的检测方法与之适应；2) 随着影像分辨率的提高，影像数据量也爆炸式增长，需要新的方法来解决目标检测的效率问题；3) 目标检测作为一个模式识别问题，其理论上也有较大的发展，如何针对遥感目标检测问题，充分融合这些新的理论和方法也是值得研究的问题。 针对以上问题，本文主要进行以下几个方面的工作： 首先，从理论角度着手，将一类新的分类方法-支持向量机(SVMs)引入到高分辨率遥感影像的目标检测应用当中。通常，目标检测问题都是当作二值分类问题来解决，传统的模式分类方法以经验风险最小化作为归纳原则，当学习样本趋于无穷大时，其性能才能保证最优。对于高分辨率遥感影像中目标检测问题而言，目标类样本数量少是不可回避的事实，因此应用传统分类方法往往难以达到理想的检测效果。而新的统计学习理论在理论上探讨了小样本条件下的机器学习问题，提出了利用结构风险最小化原则作为控制分类器推广能力的准则。支持向量机方法这是在这一理论指导下建立起来的通用的学习方法，它在小样本量、高特征维的学习问题中表现出了强大的优势。 其次，提出了基于样本外观信息的学习方法进行目标检测，该方法具备自动确立目标参数模型、易扩展等优点。从这一方法模型出发，本文将支持向量机方法应用于基于像素序列特征的目标检测中，取得了较好的效果。结合试验，这部分内容主要讨论了以下问题：1) 基于像素特征的检测中样本的预处理方法；2) 对常见的三类核函数在目标检测应用中的检测效果进行了试验对比，并给出了最优参数选择的指导意见；3) 针对样本学习过程中目标和非目标类样本的不对称现象，提出了针对不同类别样本施加不同惩罚因子的偏移算法，并给出了模拟数值的试验结果；4) 提出了应用模板屏蔽的方式来对多方向目标进行检测，在检测效果和效率上取得了较好的结果。 第三，将小波分析方法引入到遥感影像目标的表征过程中。由于不同影像质量使得影像外观上会出现较大差异，在基丁像素特征的检测方法下，要经过大量的预处理才能达到较好的检测效果。论文从遥感影像中人造目标的特点出发，提出了应用影像目标边缘特征作为检测的基本输入特征。通过引入Haar小波分解方法，可以快速得到目标在多尺度、多方向上的边缘特征。通过小波系数的选择、融合和量化过程，可以有效克服噪声影响从而提高检测的效率。同时，由于输入特征的维数有所降低，使得检测方法在效率上可以进一步提高。 第四，提出了学习样本选择的自举算法。遥感影像目标检测是一个典型的小样本学习问题，特别是对于目标样本，由于采集条件的限制和模式比较单一，能够提供学习的样本比较少。相对而言，背景的模式比较复杂，通过随机采样的方式获取有限的样本，往往使得背景类样本不具备典型性，从而使得检测结果的虚警率偏高。本文从学习理论的基本模型出发，讨论了学习的有效性和学习样本的选取原则，并结合文中的目标检测试验，提出了自举算法用于样本的选取。自举算法将当前分类器的检测结果作为新样本选取的指导原则，从而使得样本的选取能够在主动学习的过程中自动进行，通过该算法得到的非目标样本更具典型性，有效性也更高。试验表明，在自举算法的支持下，少量增加非目标样本的数量，即使得检测的虚警率数十倍的降低。 第五，在目标检测应用中引入单类支持向量机方法(one一class SVMs)。考虑到飞机目标检测中目标模式的单一性和背景的复杂性，本文将one一class SVMs方法引入到目标检测过程中。借助普通支持向量机方法的基本思想，one一class SvMs将单类学习样本在高维特征空间中压缩到尽量小的范围内，从而使得决策面所包含的区域尽量接近学习样本在特征空间中的分布。试验表明:基于one一class SVMs的检测方法可以将检测的虚警率控制在很低的水平，同时不需要非目标类的学习样本。文章还对one一class SVMs方法的应用范围和系统参数的选择给出了指导性的意见。 最后，文章针对大幅遥感影像日标检测提出了快速高效的算法。提高效率是遥感目标检测中的重要课题，由于大幅遥感影像?