目前,遥感卫星技术发展进步促进着相关领域的进步发展,其传回的遥感图像在分辨率、识别度以及及时性、有效性等诸多方面都有了很大的提升,这些遥感图像在军事、农业、气象、水文、环境监测、灾害预警等方面都有广泛应用,特别是遥感卫星在搜索侦察战略目标时几乎不会受到任何限制的优势极为明显。当前,油库作为重要的战略目标,其地理位置、战略布局非常重要,及时探测和发现敌方油库分布具有相当重要的战略意义,如果在第一时间对敌方油库进行摧毁,那么将牢牢掌握战争的主动权。因此,利用高分辨率遥感图像进行油库目标的检测及提取对于国家安全、国防事业都有着极为重要的战略意义。本文主要是对高分辨率遥感图像中油库的检测及提取工作,围绕着能及时快速准确在高分辨率遥感图像中找到油库目标,提出了一种融合了深度学习、显著性检测、图像分割、霍夫变换以及深度优先搜索算法的油库提取方法。首先使用深度学习对高分辨率遥感图像中油库感兴趣区域(ROI)快速检测,深度学习进行检测之后存在大概20%左右的虚警,这部分虚警需要通过后续步骤进行一一排除。接下来对找出的油库感兴趣区域利用LC显著性方法进行检测,并进行图像二值化阈值分割,剔除了大部分干扰因素。最后利用霍夫变换圆检测,找出圆形目标并进行圆心定位,再利用深度优先搜索算法根据油库分布规律进行油库目标精细化检测及提取。在以高分二号遥感图像和谷歌地球为基础自建的包含油库的高分辨率遥感图像数据集上进行实验,结果表明,本文提出的方法比单独利用改进霍夫变换检测油库的算法在查准率和查全率方面都有所提高,查准率达到了88.9%,查全率达到了89.7%,极大地提高了油库检测的精度及效率。