停泊飞机目标检测对机场交通管控、重点军事基地部署掌握、监控敌方实时军事动态等军民领域均具有重要意义,基于天基光学遥感图像的停泊飞机目标检测识别已成为光学遥感图像处理技术领域的研究热点。基于高分辨率光学遥感图像的停泊飞机目标检测仍存在以下难题:（1）机场停泊飞机目标在高分辨率光学遥感图像中的面积占比小,容易出现计算冗余与正负样本类别不平衡的问题;（2）机场停泊飞机目标种类繁多、尺寸各异、朝向随机、且有密集排布的现象,对检测算法提出了更高的要求;（3）天基视角下的光学遥感图像目标背景特性复杂,可能存在云层遮挡和图像质量退化因素干扰等问题,容易导致算法的检测性能下降。针对以上问题,本论文重点开展机场区域提取、停泊飞机目标检测、天基观测复杂场景成像仿真数据生成等研究工作,具体工作内容如下:（1）提出基于直线段显著性的机场区域提取方法。针对大视场遥感图像中停泊飞机在图像中面积占比小,直接检测全图会存在大量冗余计算,进行机场区域预检测可以有效解决该问题。首先分析了机场区域的主要特性,以此为基础,设计了快速直线段检测算子LSD对跑道进行特征提取,该算法对直线特征敏感且计算量小,同时结合密度显著性原理,提出了基于直线段密度显著性的机场区域提取方法,可实现对机场区域快速准确的提取。（2）提出基于卷积神经网络的机场停泊飞机目标检测方法。利用卷积神经网络可以提取更深层次目标语义特征的优势,本文设计了可融合不同语义级别的跨尺度连接特征金字塔模块,可实现对多种类、多尺度、密集排列的停泊飞机目标的有效特征提取。针对停泊飞机朝向随机的问题以及正负样本类别不平衡问题,提出了动态锚点学习模块,通过设置匹配度的标签分配方式与匹配敏感损失函数,增强网络训练能力,削减旋转锚点数量,减少类别不平衡问题,可实现在机场区域对停泊飞机目标的高准确率检测。（3）提出基于光学遥感在轨成像仿真的数据集构建方法。本文分析了遥感探测链路中对图像造成干扰的因素,建立探测链路成像质量表征模型。在此基础上,结合现有开源数据集,仿真得到在轨成像条件下停泊飞机光学遥感数据集,为停泊飞机目标检测算法的训练以及算法性能的验证提供数据输入。（4）实验验证及分析。以天基探测链路仿真数据构建训练集,以吉林1号等实测卫星图像及仿真数据集作为测试集。对本文方法中的跨尺度连接金字塔模块与动态锚点学习法模块开展了消融实验,验证其模块有效性。此外,将本文方法与其他典型算法（HOG+SVM算法、DPM算法和Faster R-CNN算法）进行了对比实验,以平均精度作为检测的评价指标,验证本论文算法对不同场景图像的有效性和鲁棒性。实验结果表明,本文的检测方法在不同机场场景、云层遮挡场景下均可取得较优检测效果。