遥感图像目前广泛的应用于对地观测、气象、测绘、通讯导航、资源勘探以及军事目标探测等领域。遥感图像具有更新速度快、覆盖面积广、来源广泛的特点,适用于军事情报的获取。当前随着遥感成像技术发展带来遥感图像数据快速增长与落后的遥感图像处理和应用手段之间的矛盾日益突出,尤其在基于遥感图像的情报获取方面,仍主要依靠人工判读,且大量数据没有有效管理,给遥感数据应用带来难度。为此,本文旨在研究行之有效的遥感图像数据分析方法,出基于深度学习的遥感目标识别系统,将大量多源遥感数据快速转化为目标情报,为遥感图像数据应用供技术支持。首先,根据遥感图像目标识别应用的需求,对系统的应用部署模式及技术实现进行了总体方案设计。本系统采用B/S架构实现了基于深度学习的遥感目标识别系统。为给深度学习网络训练供数据,实现了多源遥感数据管理功能和预处理,遥感数据管理获取大量遥感源数据、重点目标数据、属性数据,通过数据解析、可视化以及查询检索等辅助功能,得到深度学习网络所需要的数据集;为有效标注这些数据,设计遥感图像数据预处理,完成重点目标标记、重点目标裁剪、大气校正和辐射校正,其中大气校正和辐射校正意在改善图像质量易于标注目标数据集,上述设计为深度学习网络训练供数据支撑。其次,针对遥感图像格式多样性、多源性、数据量大的特性以及冗余信息量大、应用任务复杂的应用特性,结合基于深度学习的目标识别系统的技术原理,对遥感目标识别系统具体技术方案及关键技术进行设计及分析。采用Arc GIS Server平台实现多源遥感数据在浏览器端的可视化呈现;采用XML文件和遥感数据地理信息文件实现遥感数据内部和遥感数据间的有效组织;采用ENVI平台和Oracle数据库实现面向应用的重点目标数据库建设;采用深度学习技术实现了遥感目标的快速、准确的识别。实验结果表明,上述设计可实现不低于5种遥感格式的数据解析,遥感目标在地图上的直观呈现。良好的人机交互便于重点目标标记、重点目标裁剪。上述辅助技术的采用升了深度学习目标识别性能,综合测试显示遥感目标识别精度不低于90%。最后,针对遥感图像应用系统的稳定性及可靠性要求,对系统进行了综合测试与分析。测试结果表明,系统具备管理并解析不低于5种数据格式的遥感图像数据,系统具备良好的图像预处理功能,有效增强了图像质量,具备快速构建重点目标数据库的能力。对系统的压力测试结果表明,支持1000用户同时访问的应答时间小于1秒,达到系统要求。