遥感图像目标检测技术在军事和民用的多个领域有着广泛的应用。军事方面,可用于军事目标搜索和检测、战场环境动态分析及监测;民用方面,则可应用于气象、农业、地理等诸多行业。传统的基于计算机视觉的遥感图像目标检测技术,对特定的遥感图像目标已经取得了较好的检测结果。然而这类方法高度依赖于先验信息和图像目标的特征,对于遥感图像中的不确定目标、小目标、伪装目标以及不完整目标仍然难以进行有效地检测。人脑一直被认为是进行视觉信息处理的最强大的系统,能够在几百毫秒内对一幅图片或者一个场景的重点敏感信息产生神经响应。因此,基于认知神经科学,结合机器计算能力与人类大脑对外部复杂环境的智能感知能力,构建基于脑机协同的信息处理与交互系统,能够集成机器和大脑各自的优势于一体,充分利用人脑在视觉等复杂信息处理方面具有的高效、鲁棒、抗噪以及能够及时抽象出主体特征等优点,将可能解决目前基于形式化表达体系的机器学习方法在处理真实世界中的复杂问题时所面临的瓶颈问题,为遥感图像目标检测提供一种新的技术手段和途径。本课题围绕遥感图像目标检测实际需求,结合认知神经科学、心理学和信息科学等多学科领域,开展了基于多模态认知神经信号的遥感图像目标检测技术研究,针对遥感图像目标,重点研究了与其认知相关的脑电和眼动信号特征提取与分析方法,并在此基础上构建了遥感图像目标检测模型。同时深入分析了脑电信息与眼动信息的特性差异和互补性,通过研究脑电与眼动融合的多模神经信号分析方法,以进一步提高目标检测的准确性。主要工作如下:1、提出了一种基于多ERP时空特征的遥感图像目标检测方法,实现大视野遥感图像复杂背景中小目标的快速检测,并提高目标检测精度。本方法针对已有单试次事件相关脑电信号分析方法主要都是构建统一的空间滤波器,没有考虑图像诱发出的多种事件相关电位(Event related potential,ERP)的时空分布差异,首先利用全时程波形分析方法,确定由含目标与不含目标遥感图像所诱发的具有显著差异的ERP成分,然后对各个ERP成分对应的脑电信号段分别构建一组空间滤波器,以提取各ERP成分的空域特征,再利用主成分分析(Principe component analysis,PCA)方法融合多种ERP成分的时空特征,最后利用逻辑回归方法构建目标识别模型。实验结果表明,该方法充分利用多种ERP的时空特征,相对于传统的目标检测方法,在不增加时间消耗的条件下,提高了目标的检测精度。2、在分析遥感图像目标标定眼动参数指标的基础上,提出一种基于注视区域关注度预测的遥感图像目标检测与定位方法。该算法针对现有基于眼动的感兴趣区域分析技术并不判断区域内部是否包含图像目标的问题,提出了基于时空约束的注视区域聚类算法,对被试的关注区域进行提取,并利用被试对区域的关注度实现对区域内是否包含目标的判断,从而实现对遥感图像的目标识别与定位。实验结果表明,该方法将基于眼动的感兴趣区域分析技术与认知分析技术相结合,实现对复杂背景遥感图像目标的检测与定位。3、提出一种基于脑电和眼动融合的遥感图像目标的检测与定位方法。针对眼动信号中包含的信息有限,无法准确判断人在注视过程中的认知活动,而脑电信号不能定位人眼注视的感兴趣区域的问题,一方面,利用基于眼动注视信息的感兴趣区域分析技术构建可能含目标的待选区域集合,另一方面,融合与目标识别相关的脑电和眼动多模神经信号特征,从可能含目标的待选区域集合中检测图像目标区域,实现遥感图像目标的识别和定位。实验结果表明,该方法通过多模神经特征的融合提高了遥感图像目标检测的准确率和稳定性。