随着交互方式发展的演进,人机融合思想的提出综合了机器和人各自的优势,弥补了传统人工作业或自动化作业的不足,具有良好的应用前景和较大的实用价值。在图像检测领域,传统计算机视觉技术为获得更好的检测结果,往往针对目标某一特定特征进行算法改进,严重依赖于先验信息与图像目标特征,难以有效地检测出图像中不确定性高、小而密集、有遮挡、具有伪装性以及不完整的目标。人脑能够利用认知解释图片的高级语义信息,鲁棒性高、可靠性强,能实现目标的高精度检测。但人工判读容易疲劳,检测精度随检测时间延长而下降。借助于脑电技术,则无需人工操作,通过快速浏览图像时诱发的脑电信号,可直接解读人对于重要目标的检测意图,实现目标检测任务。保留人在图像检测任务中高鲁棒性特征的同时,避免了因疲劳和误触带来的检测失误。本课题围绕图像检测任务的需求,结合人类隐式意图,基于人机融合的思想,综合考虑计算机视觉与人进行图像检测任务的优劣势,展开针对图像检测任务的研究,提出了一种基于脑电的人机融合图像检测方法。该方法可以实现对飞机、船和汽车三类遥感目标的检测,包含计算机视觉图像检测方法与基于脑电的图像检测方法。论文主要研究工作如下:（1）根据人机融合知识背景,结合隐式意图研究,综合考虑人机各自优势,提出了人在环内的基于脑电的人机融合图像检测方法。（2）分析遥感图像的特征及检测难点,总结经典遥感数据集,选择FAIR1M数据集中的飞机、船、汽车作为图像检测数据集。梳理计算视觉目标检测领域的经典算法,根据数据集特点,选择Re Det算法并对检测结果进行重新定义以满足本检测方法需求。利用Re Det算法对FAIR1M数据集中飞机、船和汽车三类目标进行测试检验,根据测试结果确定三类目标,判定为目标、非目标以及待二次检测的图像置信度阈值范围。（3）研究脑电信号图像检测原理,分析影响图像检测的因素,包括图片呈现时间、图片尺寸、提示语以及图片呈现背景。通过行为学实验结果可知,呈现时间为350ms、图片尺寸相同、有提示语以及灰色背景时图像检测绩效更好。将检测结果更优的实验设置用于基于脑电的图像检测方法中。（4）在基于脑电的图像检测方法中,以计算机视觉处理结果中各类别待二次检测的图片作为验证素材,验证了飞机、船以及汽车目标均可以诱发出P300信号,且与非目标P300幅值皆有显著差异,证明了该方法具有可行性。