松材线虫是目前最具危险性的林业有害生物之一,受其感染的松树会枯竭致死。该病源白北美洲,目前在多个国家均有发生,1982年我国初次发现该病,短短的十几年间,该病相继在江苏、安徽、山东、浙江、广东、湖北、湖南、台湾、香港等许多地区发生并流行成灾。该病的发病面积从几百公顷扩展到几万公顷,造成大量松树死亡。松材线虫病的蔓延将严重影响我国林业资源和林业生态文明建设,不仅给林业生产带来巨大的经济损失,而且使林业生态建设在很大程度上遭到破坏。由于松材线虫病的对松林的严重危害,而且防治该病又十分困难,许多学者都对此进行了研究,也提出了一些监测手段,但这些监测手段往往主观性较强,或是实施较为困难,不能及时、准确地发现松材线虫病,使得无法及时制定有效防治措施。本文采用无人机航拍技术通过无人机航拍图像来收集林区地物信息,利用计算机技术处理收集到的信息,以实现对被病虫害侵染树木的识别与监测,进而据此定位病虫害区域,及时有效的对其进行防治,达到保护松林的目的。这对我国了林业经济和林业生态建设都有十分重要的意义。对病虫害区域的检测可以引申为对无人机遥感图像中的目标的特征提取和分类问题。本文采用无人机航拍技术通过无人机航拍图像来收集林区地物信息,从无人机遥感图像的目标分类出发,研究了遥感图像中病虫害检测的方法,主要内容包括以下方面：1、介绍了基于遥感图像的病虫害检测中所用的基本理论。包括对无人机航拍遥感图像中特征提取的方法的探讨；介绍一些常用的分类算法并对它们的优劣及适用情况进行分析；介绍并分析几种常用的感兴趣区域检测方法等。2、介绍了深度神经网络的相关内容。主要包括深度神经网络训练过程中的逐层贪婪训练、有监督调优等,并分析这种算法相比其它分类算法的优势。3、提出了一种基于深度神经网络分类算法的病虫害检测的方法。该算法是是人工神经网络的延伸和改良,通过对遥感图像中各像素点进行特征提取获取分类所需的特征向量,再对这些特征向量使用深度神经网络分类方法进行分类,实现对遥感图像中的病虫害区域进行检测的目的。通过实验验证,该方法可以较精确的实现对病虫害区域的检测。4、提出了一种感兴趣区域检测与纹理特征相结合的松材线虫病检测方法。该方法通过使用基于频域调节的感兴趣区域检测,提取出遥感图像中包括病虫害区在内的所有感兴趣区域,再在这些感兴趣区域中利用深度神经网络分类方法对这些区域进行分类。通过实验验证,该方法能够较好的实现对病虫害区域的检测,且大大减少了运算量。