遥感图像目标检测,是区域监控、被动导航、抢险救灾、飞行器制导等遥感应用中的关键性核心问题之一,也是其中的难点。现有的目标检测方法,由于缺乏恰当的知识表示和推理方法,大多在引入了很多相关假设的简化场景中,对单类目标进行检测,从而大大限制了其所能应用的问题规模和场景的复杂性。针对上述问题,本文对复杂场景遥感图像目标检测方法进行了深入研究,并在知识表示模型与推理方法、特征提取、目标搜索策略和图像获取策略上产生了一系列有用的结果。论文主要工作和研究成果总结如下:(1)结合概率图模型与面向对象建模方法的思想,提出了一种用于复杂问题中知识表示与推理的面向对象因子图模型。分别从基本思想、模型定义、模型动态机制、模型概率推理、模型建立方法、模型分类能力多个方面对面向对象因子图所涉及的哲学思想、求解方法、算法实现和模型能力分析进行全面描述。与传统的知识表示与推理方法相比,面向对象因子图能在统一的概率框架下综合利用多个领域专家知识和已知样本信息,具有处理更大规模和更复杂问题的能力。(2)建立了复杂场景遥感图像目标检测问题的面向对象因子图模型。首先分析了复杂场景遥感图像目标检测问题中的不确定性和层次特性;然后对遥感图像判图员目视解译的过程进行了详细分析,并总结出其采用的相关特征;最后,针对水体、港口和舰船目标检测,综合利用分析出的问题领域知识和相关特征,建立了复杂场景遥感图像目标检测问题的面向对象因子图模型,从而实现了特征提取、目标搜索、图像获取等多个步骤在统一概率框架下的组合。(3)针对复杂场景遥感图像目标检测中的基元特征提取,提出了若干算法,包括:基于颜色对立机制,提出了高分辨率可见光遥感图像中的区分度更高的光谱特征;提出了一种基于扇形算子簇的彩色图像边缘检测算法,与现有边缘检测算法相比,该算法具有更高的边缘定位精度和更强的噪声鲁棒性;提出了一种用于图像纹理分析的Gabor滤波器快速实现近似算法,该算法的计算量与Gabor滤波器参数无关,图像中每个像素只需要49次操作,是现有的最快的Gabor滤波器实现算法,且对于复杂场景遥感图像目标检测问题,算法误差在可接受范围内。(4)基于面向对象因子图,结合格式塔心理学中的感知组合原理,提出了遥感图像目标检测问题中结构特征的表示和提取方法。首先,对遥感图像分析中的常用结构特征进行了总结,将结构特征分为了关键点特征、线特征、形状特征、和空间关系特征四类;然后对格式塔心理学中关于感知组合的规律及其在计算机视觉中的应用进行总结,并分析出在遥感图像目标检测中的结构特征提取时可能用到的感知组合规律;最后提出了一种基于面向对象因子图的结构特征描述方法和一种基于面向对象因子图的结构特征提取方法。(5)以面向对象因子图为基础,建立了目标检测问题的贝叶斯判别模型,并基于面向对象因子图在贝叶斯判别准则下的多种近似推理方法,在目标搜索中引入了视觉注意机制,增加了目标检测的鲁棒性,并减少了特征提取和分析的计算代价。首先,总结了视觉注意机制的生物学基础;然后在面向对象因子图中基于贝叶斯判别准则,推理出了基于显著性分布图的视觉注意模型;随后提出了一种基于近似高斯金字塔的视觉注意模型快速算法;并以此为基础,提出了一种带视觉注意机制的目标搜索策略;最后,将该目标搜索策略应用于可见光高分辨率遥感图像中水体、港口和舰船的检测,证明了该目标检测方法在减小特征提取和分析代价的同时,提高了目标检测方法的性能和鲁棒性。(6)针对移动目标跟踪、区域监控等与遥感图像目标识别紧密相关的应用,延用第六章中的基于视觉注意机制的思想,提出了一种基于历史信息的利于目标检测的对地观测卫星成像调度算法。首先,分析了对地观测卫星成像调度问题;然后,根据运动目标相关历史信息,分析了其跟踪观测任务的区域化问题,并在离散观测空间给出了对地观测卫星给定时间段内候选成像窗口回报值分布图的快速计算方法;最后,基于该回报值分布图,建立了对地观测卫星在给定时段内成像调度的无圈有向图模型,并提出了求解该模型的A*搜索算法,且分别从算法复杂度分析和仿真实验两方面证明了该算法的有效性。