遥感图像地面目标检测在军事战争领域中不仅能帮助指挥员获得准确的战场信息,而且可以定位打击敌方目标,提供实时的目标信息等。在环境管理、区域规划、矿产资源探测等民用领域,同样有着广泛的应用。遥感图像中地面目标包括(车辆、飞机、建筑、桥梁等)类目标及道路类目标,针对第一类目标,因同一目标内部特征差异较大,检测算法缺乏良好的特征提取能力,针对第二类目标,受目标形态特征的限制,检测算法不能完整的提取目标轮廓。因此,如何能准确地从遥感图像中检测出感兴趣目标,并保证算法具有一定的推广能力是研究的关键。本文针对以上两类遥感图像地面目标的检测,开展了如下研究工作:(1)深入分析了遥感图像两类目标的区别以及相应特征提取的异同,相应目标检测的特点及难点,论述了目标检测中各类方法的优点及缺陷,选取了目标检测中评价指标。(2)针对飞机、车辆类目标,提出了基于集成残差网络的遥感图像地面目标检测方法,针对目标尺寸多变,旋转,背景复杂的问题,以Faster RCNN为基础网络,使用Kmeans++聚类算法设计目标参考框尺寸,选择更为复杂的残差网络作为基础特征提取网络,在网络中加入背景分类子网络帮助区分目标和背景,搭建了集成网络模型,实验证明了加入各个模块的有效性,检测精度达到了89%以上。(3)针对道路目标,提出了基于集成可变形池化与空洞卷积的全卷积网络的遥感图像地面目标检测方法,针对道路目标形态不一的问题,以FCN网络为基础网络,设计了可变形池化核提取道路目标特征,加入批量标准化层,用空洞卷积代替传统特征提取方式,使用通道特征分析模块进一步改善网络性能。实验证明了各模块加入均有利于道路目标检测精度的提高,检测精度达到了84%以上。