航拍地面目标检测是机器视觉(Computer Vision,CV)领域的关键技术之一,它是一项融合计算机视觉、模式识别、图像处理、自动控制和人工智能等不同领域先进成果的高新技术课题,也是实现智能监控系统、智能机器人视觉导航和智能化武器的基础。本文的研究内容主要涉及了可见光条件下的航拍地面运动目标和航拍城市街景中目标的检测以及红外图像序列中的航拍地面目标检测两部分。本文主要工作是在CV领域中经典研究成果的基础上,对现有的航拍目标检测方法进行了改进和创新。具体来说主要有以下三个方面:(1)本文在Hu矩和径向矩矩(Radial Moment)的基础之上提出了一种新的航拍地面运动目标检测算法—HRM算法。本文作者选取了一组具有各向同性的图像特征,基于矩框架下,作者提取了具有7维的Hu矩特征和二阶12维的RM特征构造成新的具有19维的图像特征。通过在ORIDS标准测试数据集上进行ROC曲线分析和实时性测试,证明本文算法可取得比目前经典算法更好的结果。此外,本文提出的目标模型库更新使得在目标检测过程中同时也进行目标的正样本补充,提升了支持向量机(Support Vector Machine,SVM)分类模型的检测精度。实验表明,随着检测领域和时间的累积,特征库中的特征信息愈加完善,检测器对航拍目标的检测准确性获得了提升。(2)本文在Fourier-HOG算法的基础上,提出了一种光照归一化预处理的航拍城市街景中目标检测方法。该方法对Fourier-HOG算法进行了两个方面的改进:第一,本文针对Fourier-HOG算法在车辆位于阴影区域时检测度不高的问题,提出了基于LSH的光照归一化的预处理算法。第二,本文为了降低算法的运算量,提出了基于梯度信息的背景滤除。实验分析证明改进的Fourier-HOG算法在位置准确性(Position Accuracy)上与其它4种经典航拍目标检测算法相比,有更好的表现。(3)本文提出了一种基于图像分割的目标粗检测和精检测相匹配的红外目标检测方法。本文方法主要有两方面特点:第一,在粗检测部分,针对疑似目标区域,选取了目标的面积、平均亮度、近似椭圆短长轴比、近似椭圆的填充比四个特征作为分类标准。第二,在目标的精检测部分,本文提出了帧间轨迹关联的精确匹配算法。通过对前后帧疑似目标的匹配,在“外观相似度”和“空间位置相似度”两种指标下检测出目标。实验结果表明,该算法在检测准确性方面具有较好的表现,且该算法实时性能优秀。