遥感图像目标检测在军事和民用领域都有着广泛的应用,是国内外研究的热点之一。传统的遥感图像目标检测算法特征提取能力弱、泛化能力差等弊端,而卷积神经网络算法解决了传统方法适应性不高、提取特征鲁棒性差等缺点,并在许多实际的目标检测问题中取得了良好效果。SSD(Single Shot MultiBox Detector)算法是目前较为流行的一种卷积神经网络,兼顾了检测精度和检测速度,本文选用SSD算法进行遥感图像目标检测。但遥感图像和自然图像成像方式的不同,遥感图像存在图片尺寸大、目标小等特点,直接使用SSD进行遥感图像目标检测的检测精度较低。针对该问题,本文对SSD算法进行了改进,主要工作如下:(1)针对因遥感图像尺寸较大而导致在输入SSD算法时存在图像信息丢失的问题,提出在SSD中加入滑动窗口机制,避免SSD对输入图像的缩放操作,并使用图像边缘信息去除因滑动窗口产生的冗余图片。实验结果表明,通过滑动窗口机制能够保持图像信息完整性,滑动窗口SSD算法检测精度高于改进前SSD算法。(2)针对因遥感图像中目标较小而使得SSD检测准确率较低的问题,提出使用特征融合方法以提高SSD对小目标检测的准确率。在该方法中,使用低层特征图替代贡献较低的高层特征图,并对抽取的高层特征图进行反卷积操作,将反卷积后的特征图与低层特征图进行融合,将融合后的特征图送入检测器进行检测。实验结果表明,加入特征融合后的SSD算法对遥感图像中的小目标有更好的检测效果,其检测精度高于改进前SSD算法。(3)特征融合SSD输入的是原始图像,仍存在因进行缩放操作而导致图片信息丢失的问题。针对此问题,将滑动窗口机制加入到特征融合SSD网络模型中,形成滑动窗口+特征融合的SSD网络模型。实验结果表明,加入滑动窗口后的特征融合SSD算法比特征融合SSD算法检测精度高。