随着遥感技术的快速发展以及计算机计算能力的快速提升,对遥感图像的研究成为了新的研究热点。遥感图像中包含大量的目标,其中机场及机场内目标对现代化战争以及民用服务领域来说都是具有特殊价值的研究对象。遥感图像的目标识别就是从高空获取到大面幅的遥感图像后,然后判断图中是否包含感兴趣目标,并对感兴趣目标进行检测、识别和定位,该研究方向在军事战略布局、精准打击以及无人机自动驾驶等领域都有着巨大的市场应用前景。然而,由于遥感图像中目标复杂、目标尺度较小、目标密集并且成像时会受云雾等自然环境的影响,所以传统目标检测技术在遥感图像的目标检测识别中检测效果不佳。传统目标检测方法应用于遥感图像目标检测时,由于检测过程中需要依赖人工判断机场名以及飞机类型,导致检测速度慢,准确率低,无法适用于现代化战争。本论文以机场、跑道和飞机为研究对象,对特征提取、特征匹配、传统目标检测方法以及卷积神经网络技术展开研究,对机场和飞机的检测方法进行了改进,提出了新的机场跑道检测算法,实现了机场目标识别准确率的提升。论文的主要工作如下:1.针对获取的机场图像易受云雾干扰的问题,首先对经典的暗通道去雾算法和基于神经网络的去雾算法理论进行了分析,然后研究实现了一种基于GCANET的机场图像去雾算法,采用平滑扩张技术以及端到端门控上下文聚合网络来恢复原始图像,利用门控子网融合不同级别的特征,有效提升了机场图像质量。2.为提高机场图像中目标检测的准确率,提出了一种基于Y OLO v 4的机场识别算法,构建了相关机场的数据集,并完成了机场模型的训练,实现了对目标机场的准确识别。针对飞机目标识别中存在的飞机目标姿态多变、排列紧密等难点,提出了一种基于YOLOv4的飞机目标识别算法。算法首先对输入的机场图像进行切分,然后进行分块检测并合并重合部分的检测框,最后输出合并后的飞机目标检测结果,实现了不同类型飞机的准确识别,提高了飞机目标识别的准确率和召回率。3.针对机场跑道提取易受到周边道路和建筑等环境影响的问题,提出了一种基于SURF特征和先验知识的机场跑道检测算法。首先根据特征匹配和单应性查找的方法确定待检测图像中目标机场所处的位置,然后根据机场跑道与机场相对位置的先验知识,确定机场跑道的坐标。经过实验验证该算法能够准确检测出机场图像中的跑道。4.设计并实现了机场目标识别软件系统,结合机场目标识别的需求设计了软件系统的各个模块。详细介绍了用户模块、图像预处理模块、目标识别模块和数据库管理模块的设计与实现。该软件系统能够实现对机场图像中机场、飞机以及跑道的准确检测识别,为本论文提出的机场图像去雾算法和目标识别算法的实际应用奠定了基础。