利用遥感图像检测运动目标是空对地观测的重要研究方向，在交通管理、智能视频监控、战场分析、军事监测等领域均有广泛应用。遥感图像具有目标像素空间占比小、前后帧运动位移量小、灰度与形状等信息不明显的特点；同时，考虑到飞行器的运动控制，场景的复杂性，噪声与干扰等因素，从遥感图像中进行弱小运动目标的检测变得异常困难。
　　运动检测是生物视觉系统的基本功能。鹰具有发达的视觉系统，从视网膜开始到高级神经中枢都对运动信号具有很强的敏感性。
　　本文从高空对地序列图像中的弱小运动目标检测出发，结合鹰视觉系统生理特点，对动态复杂场景下的弱小运动目标检测方法开展研究。论文的主要内容和创新点如下：
　　①介绍运动目标检测的背景、意义以及发展现状，分析传统运动检测理论的特点；介绍国内外对鹰视觉系统的生理研究与应用模拟，分析仿鹰视觉系统的广阔应用前景；详细阐述了鹰视觉系统的生理结构与功能特点，并对生物视觉基本理论中的感受野、视觉错觉现象以及视觉注意机制进行表述，从而为本文提出的基于鹰视觉系统的弱小运动目标检测方法提供生理依据，并借鉴鹰视觉神经系统的运动敏感性特点，提出模拟其神经分层特性的空对地弱小运动目标检测算法。
　　②依据生物视觉理论中的孔径现象，格栅图案以及理发柱幻觉，结合神经细胞反应机理与心理学物理学实验支持的IOC（Intersectionofconstraint，IOC）理论中生物视觉系统对角点等几何特征敏感的特点，构建多尺度角点检测算法——Harris-Laplace角点检测算法，并结合SURF特征描述子与最近邻方法对前后帧进行匹配，采用RANSAC算法进行误匹配点剔除，以提高遥感图像的匹配精度，从而实现动态场景补偿，达到抑制全局运动，凸显局部运动的目的。
　　③结合鹰视觉特性，构建仿鹰视觉系统的运动目标检测算法。根据视网膜分层特性构建图像的预处理模块；根据神经节细胞层的双通道反应特性构建改进的ON-OFF双通道Reichardt运动检测器模块；根据高级神经中枢的信息整合以及分层分区域映射特点构建大小尺度空间矢量信息映射和多尺度融合模块，从而实现对遥感序列图像进行运动目标检测。算法能有效抑制复杂场景干扰，一定程度上解决了动态场景中场景复杂、干扰众多、目标弱小、位移幅度小等检测难点，生成的结果运动显著图能够突显出最显著的运动目标。
　　实验结果表明，本文提出的算法能有效检测出空对地序列图像中的弱小运动目标并具备良好的背景抑制能力，实验结果获得了较高的信杂比与F1指标值，具有一定的实用性。