基于空基平台航拍图像的目标探测识别在军事、民用等领域有着广泛应用,相比于传统目标检测任务,航拍图像具有视场大、目标小、目标分布差异大、背景纹理复杂等特点,极大增加了深度学习模型的训练难度,影响目标检测性能。本文结合高空航拍图像特性,依托于某航空工业公司对地探测识别科研项目,开展了面向空基平台的无人机航拍图像地物检测系统的研发,实现航拍图像中目标检测的高精度定位识别,论文研究成果已在相关单位进行部署和应用,具有较强的实用价值。本文主要研究内容和创新点如下:（1）在模型预测过程中,高空航拍图像中小尺度离散目标特征容易被忽略,而目标密集区域由于降采样特征提取容易造成大量漏检,针对这种目标差异性分布与多尺度检测问题,本文设计了双向特征融合金字塔模型BDFPN,保证了高维特征和低维特征的有效跨层特征融合,提高了模型不同感受野条件下多尺度目标的定位识别能力,同时采用了旋转框定位回归方法,设计回归平衡损失Balance Loss和分类回归关联损失函数Relation Loss,构建了面向航拍图像的目标旋转框定位检测模型,有效提升了目标框分类回归的精度。在旋转目标数据集HRSC2016和UCAS-AOD中分别达到了94.28%和96.20%的精度,同时在水平目标检测任务中,VOC2007数据集测试精度达到了85.4%,相比于Retina Net提升了4.2%。（2）针对高空航拍目标占比小、背景纹理复杂等问题,本文设计实现了基于注意力机制的精细目标特征优化器FAM和IAM,构建特征优化网络模型,结合旋转目标定位框掩膜保留特征图中小目标的重要特征,减少了航拍图像小目标丢失漏检的情况,针对单步检测器和两步检测器分别设计了对应的注意力机制优化模型,有效解决了随网络深度增加导致的低维特征损失的问题。在HRSC2016数据集中,基于Retina Net的单步检测模型中,m AP提升了4.75%,在基于FPN的两步检测模型DOTA数据集测试中,m AP提升了2.76%。（3）针对航拍图像目标检测的实际应用需求,本文设计开发了基于航拍图像的地物检测系统,该系统适用于军事侦察、工程模拟等复杂场景,设计开发了面向大尺度图像的训练检测方法,对检测模型提出了多种优化策略,以提高检测精度;集成了数据处理、模型训练、模型切换以及检测识别等多种功能;支持地面站部署,同时对无人机机载进行探索;能够对特定目标进行自动识别与定位,达到高度的稳定性和实时性,通过实验测试和实际应用,该系统能够有效检测出无人机航拍图像中的车辆、舰船等目标,验证了系统的整体性能和实用性。本文开发的航拍图像地物检测系统已在某航空工业公司进行部署应用,针对其无人机真实航拍图像进行分析测试,具有较好的实用性和经济价值,有效提升了航拍图像对地目标的检测精度。