遥感图像目标检测是遥感图像解译的重要内容，其任务是对遥感图像中感兴趣目标进行分类和定位。近年来，人工智能和大数据分析技术快速发展，为遥感图像目标检测提供了新的方法和途径，促进遥感图像目标检测向自动化、智能化方向迈进。 本书系统介绍遥感图像目标检测的理论、方法和应用，主要内容包括三部分：一是遥感图像目标检测理论和方法，主要阐述遥感图像目标检测的基本内涵、基于卷积神经网络的目标检测方法；二是光学遥感图像目标检测，主要针对类别非均衡、目标尺度和旋转不变性问题，分别设计了语义分割模型、尺度相关模型和旋转卷积集成模型；三是星载SAR图像舰船目标检测，阐述了面向舰船目标检测的SAR图像预处理问题，重点针对检测精度低、边框偏移和参数冗余问题，设计了无锚框检测模型、评分图模型和知识蒸馏模型。 本书内容翔实、衔接有序、体系完备，既有助于读者从专业方向上理解途感图像目标检测的理论、方法和应用，又有助于读者对于遥感图像目标检测的系统认识。本书可作为遥感图像目标检测领域科学工作者、工程技术人员的参考书。

理论方法篇
第1章 概述
1.1 遥感的基本过程
1.2 遥感图像类型及特点
1.3 遥感图像目标检测基本内涵
1.4 遥感图像目标检测研究现状
1.5 遥感图像目标检测面临的挑战
第2章 基于深度学习的遥感图像目标检测基础理论和方法
2.1 深度学习的发展与应用
2.2 卷积神经网络
2.3 基于卷积神经网络的目标检测方法分析
2.4 遥感图像目标检测常用数据集
2.5 遥感图像目标检测评价指标
光学图像篇
第3章 基于全卷积网络的光学遥感图像均衡语义分割
3.1 问题分析
3.2 基于改进U形网络的语义分割方法
3.3 实例分析
3.4 小结
第4章 尺度相关的光学遥感图像边界框回归检测
4.1 问题分析
4.2 尺度相关的改进型YOL0v3模型
4.3 实例分析
4.4 小结
第5章 旋转卷积集成的光学遥感图像倾斜边界框回归检测
5.1 问题分析
5.2 旋转卷积集成的改进YOLOv3模型
5.3 实例分析
5.4 小结
SAR图像篇
第6章 面向舰船目标检测的SAR图像预处理
6.1 基于自适应非局部均值的SAR图像相干斑抑制
6.2 基于超像素合并的SAR图像海陆分割
6.3 小结
第7章 基于全卷积网络的SAR图像舰船目标检测
7.1 问题分析
7.2 模型框架
7.3 算法实现
7.4 实例分析
7.5 小结
第8章 基于评分图的SAR图像舰船目标检测
8.1 问题分析
8.2 模型框架
8.3 算法实现
8.4 实例分析
8.5 小结
第9章 基于知识蒸馏的SAR图像舰船目标检测模型轻量化压缩
9.1 问题分析
9.2 基于通道权重量化的模型剪枝
9.3 基于特征学习的知识蒸馏
9.4 实例分析
9.5 小结
第10章 结束语
参考文献