目标检测作为遥感图像处理的一个重要部分,在军事领域和民用领域都具有重要的意义。随着高分辨率卫星的快速发展,遥感图像的分辨率急剧增加,遥感图像目标检测的效率成为一个挑战。哈希学习通过将数据映射成二进制码的形式,能显著减少数据的存储开销,有效提高计算效率。本文深入研究了遥感图像目标检测的一般流程以及当前主流哈希学习方法的原理,将哈希学习的概念引入遥感图像目标检测中,从而提高检测速度,并针对遥感目标的特性,对当前主流的哈希学习方法进行了改进。主要的创新工作包括:(1)提出了旋转不变离散哈希(RIDISH),解决遥感图像中目标的旋转变化对分类的影响问题。目前的哈希学习方法主要是在自然图像上进行实验,针对遥感目标的特性,本文对当前主流的哈希学习方法进行了改进,提出了一种新的哈希学习方法,即旋转不变离散哈希(RIDISH),能够使学习得到的二值哈希编码具有旋转不变性。通过与其他主流的哈希学习方法的对比实验,验证了本文提出的RIDISH方法有效提高了遥感目标分类的准确性和鲁棒性,并且能够用更短的哈希码达到令人满意的分类精度。(2)提出了基于旋转不变离散哈希的遥感图像目标检测方法,能够大幅提高检测速度。基于旋转不变离散哈希的遥感图像目标检测方法,具体分为区域选择、RIDISH分类、SVM分类和非极大值抑制四个阶段。其中最核心的步骤就是RIDISH分类,实验结果表明RIDISH能够快速排除大约98%的非目标区域,而保留极少的大约2%的可能包含目标的区域用于进一步分类,从而在保证检测精度的前提下显著提高检测速度。(3)设计并实现了一个基于哈希学习的遥感图像目标检测系统。该系统分为三个功能模块:数据选择模块、结果显示模块和性能评价模块,分别用于遥感图像信息和哈希信息的选取、各阶段检测结果的可视化以及检测结果的性能评价。利用该系统可以更清晰地展示遥感图像目标检测中各阶段的检测结果,更方便地对各种哈希学习方法应用于遥感图像目标检测的性能进行比较分析。