遥感图像飞机检测识别是遥感目标检测的研究热点之一。随着卫星传感器分辨率的不断提高，图像细节越来越丰富，使高精度的飞机检测与识别成为可能。同时，仅依靠人工判读难以满足海量遥感图像中飞机目标检测的需求，因此基于深度学习的飞机检测与识别工作越来越重要。

本文在深入分析国内外飞机检测识别相关文献的基础上，总结已有工作的不足，围绕提高飞机检测效率和精度展开研究。主要研究内容包含以下几点：

1. 飞机目标显著性区域检测算法研究

为了提高飞机目标检测的速度，实现了一个基于Shuffle-Net的遥感图像飞机显著性区域过滤算法，该算法具有更少的参数、更快的检测速度和更高的精度。

2. 基于朝向矩形框的飞机检测算法研究

针对遥感图像中飞机刚体变换的性质，提出了一种新的朝向矩形框目标表示方法，并结合经典检测模型，提出了基于朝向矩形框的飞机检测模型(OBB-CNN)。与之前的方法相比，所提出的方法不仅能够提供飞机的位置信息，还能够估计飞机的朝向角度，且有着更高的精度。

3. 飞机细粒度分类算法研究

为了实现飞机型号的细粒度分类，本文建立了一个遥感图像飞机型号级数据集(FGRSIA2019)，并根据朝向矩形框检测模型的检测结果，设计了一个飞机角度对齐的细粒度分类模型，与不带角度对齐的模型相比，所提出的方法有着更高的分类准确率。