基于航拍图像的目标检测技术在民用和军事领域都有广泛的应用,例如城市监测、边境巡查、人口密度估计等等,如何有效的从航拍图像中提取特定目标成了目前的研究热点。对航拍图像中车和行人的检测技术已经逐渐成熟,但是对于建筑物目标的检测一直都是一个难题,还没有很好的解决办法。这是因为建筑物的形状复杂,容易受道路,汽车以及植被等背景干扰,而且航拍图像受光照条件、拍摄角度的影响会造成图像分辨率和质量的不同,增加了检测的难度。本文旨在对航拍图像的建筑物进行有效的识别,论文的主要工作如下:1、对目前常用的目标检测技术进行分析,采用了随机蕨丛分类器,运用2bitBP特征描述,通过样本采集、分类器训练、分类器测试等步骤将随机蕨丛算法运用到航拍视频序列的建筑物目标定位上。并介绍了经典的显著性检测模型,在Achanta数据集上对十种检测模型进行实验对比,对每种模型的优缺点进行了阐述。2、改进了经典的显著性目标检测算法。采用似物性采样方法代替背景信息去估计图像中包含目标的前景区域,连接前景区域,并将前景权重分配给超像素图,最后使用前景权重与背景测量相结合的显著性优化原理来获得平滑而准确的显著性图。对改进的算法进行定量和定性的评估,通过与目前检测效果较好的算法(SF算法、GS算法、MR算法、SO算法)进行比对,表明改进算法的检测性能更优越。3、改进的显著性目标检测算法适用于显著特征明显的建筑物,但是对一幅图像包含多个建筑目标的检测效果却很不理想。为了弥补这个缺陷,采用基于多尺度图像分割和模型匹配的建筑物目标提取算法。首先使用种子区域生长和局部多尺度面向对象方法对图像进行分割提取简单的建筑物屋顶,接着利用节点图搜索的模型匹配技术找到正确的建筑物屋顶,将这两种方法进行整合就可以检测出航拍图像中的多目标建筑物。4、对本文的检测算法进行了实验验证。实验分成两组,一组采用改进的显著性目标检测算法对显著性建筑物进行检测,另一组是基于多尺度图像分割和模型匹配算法对多目标建筑物进行检测。实验结果表明,两种检测算法性能良好,达到了预期设想,能够对航拍图像中的建筑物目标进行有效的检测。