随着遥感技术的发展,可见光遥感已经成为了一种重要的信息获取手段,通过该技术获取的遥感图像及其衍生品已经大量应用于国防建设和国民生产领域中。由于太空环境的特殊性,在成像过程中卫星硬件设备的老化和在传输过程中外部因素的干扰导致遥感图像出现不同的缺陷。遥感卫星每天都会产生海量数据,其中含有缺陷的数据需要在生产前标记和剔除。然而通过人工标记筛选耗时且效率低,因此需要一种自动化检测算法对可见光遥感图像进行缺陷检测。针对可见光遥感图像的缺陷检测问题,本文建立大规模遥感缺陷图像数据库,设计基于图卷积神经网络和基于视觉Transformer的遥感图像缺陷检测算法,构建一套可见光遥感图像缺陷检测系统。本文的主要研究内容如下:在数据基础层面,针对当前大规模遥感缺陷图像匮乏问题,建立了百万级大规模遥感缺陷图像数据库。首先,为保证数据的多样性,选取300景原始遥感图像,来自于8种不同卫星且涵盖了海洋、草原、沙漠等7种场景;其次,将每景原始图像裁剪为256×256的图像,得到超过一百万张裁剪后的图像;最后,对裁剪后的数据进行缺陷类型标注。该数据库数据量大、数据种类丰富,为后续开发遥感图像缺陷检测算法提供数据支持。在算法模型层面,针对深度卷积网络无法计算相邻图像间的缺陷关联问题,提出了基于图卷积神经网络的遥感图像缺陷检测算法。该算法网络模型由单幅图像特征提取模块、全景图像特征关联模块组成,能够聚合图结构中邻居节点的特征信息,促进节点间信息交流,相对卷积神经网络缺陷检测正确率更高。进一步地,针对用图卷积神经网络需要手工设计图结构问题,提出了基于视觉Transformer的遥感图像缺陷检测算法。该算法网络模型由单幅图像特征提取模块、全景图像特征关联模块构成,通过自注意力机制聚合全局特征,网络完全自主学习特征关联,无需人工设计连接关系,性能更加稳定。在软件系统实现上,开发了一套可见光遥感图像缺陷检测系统,集成上述算法。该系统运用模块化设计,多线程性能优化,能够对可见光遥感图像进行智能缺陷检测定位,有效监控多种型号卫星所拍摄的可见光图像质量。该系统检测速度快,性能优,确保了遥感图像缺陷无漏报、早发现、早解决。