遥感图像中典型目标的检测和识别是当今自动目标检测和识别研究领域的热点,机场作为一类特定目标,它的自动检测与识别在军事和民用领域都具有十分重要的意义,受到越来越多的关注。然而,机场区域周围复杂的背景给检测问题带来了困难。传统的方法往往需要对图像进行逐像元的分析,由于遥感图像像素比较多,这样的分析无疑将带来大量的时间和资源消耗。我们知道,人类在面对复杂场景时,可以快速、有选择的处理眼前的信息,这种高效的处理方式与选择性视觉注意力机制有关。因此,本文旨在将这种机制引入到遥感图像机场目标检测当中,构建一个基于选择性视觉注意力机制的遥感图像机场检测方法体系,涉及多种遥感数据的机场检测问题。论文的主要创新点包含以下几个方面：1.针对全色波段中机场的特点,对现有的注意力选择模型GBVS进行改进,融入了Hough变换和亮度先验信息以更好地提取显著性候选区域；然后使用尺度不变特征作为区域特征描述符,并结合多层分类回归树完成机场的识别。与传统的检测方法相比,该方法速度快,识别率高、虚警率低,且具有较好的抗噪声能力。2.将改进后的GBVS模型拓展到多光谱的遥感图像机场目标识别中,用像素在波段维数上的欧式距离定义马尔可夫过程中的像素差异,使模型具备对多维数据的处理能力。然后以多光谱数据集中的全色波段作为识别依据,完成了多光谱数据情况下的机场识别。3.我们把显著性分析本身作为图像的一种特征,并结合主旨性特征来共同描述机场和非机场区域。首先对待检测全色波段图像进行分块,然后对每个小块提取基于GBVS的显著性特征以及主旨性特征,拼合成一个特征向量送入支撑向量机完成机场识别。实验表明,该方法可以很好的描述区域特性,有着较好的识别效果。