ACTA AERONAUTICAET ASTRONAUTICA SINICA >
Airborne electro-optical target recognition algorithms
Received date: 2025-07-18
Revised date: 2025-08-11
Accepted date: 2025-10-14
Online published: 2025-11-11
Airborne electro-optical target recognition technology holds significant application value in modern military fields， yet its performance in complex battlefield environments still faces numerous challenges. This paper provides a systematic review of airborne electro-optical target recognition algorithms based on visible and infrared data， with a focus on key technologies such as multispectral data fusion， deep learning applications， lightweight design， and environmental adaptability. Through the classification and comparison of existing algorithms， this paper summarizes the advantages and limitations of various methods and explores critical issues to be addressed in future research， such as robustness enhancement in complex environments， real-time optimization， and few-shot learning. The aim of this paper is to offer a comprehensive technical reference for researchers in the field of airborne electro-optical target recognition and to provide theoretical support for future research directions.
Key words： target recognition; image processing; deep learning; airborne; visible and infrared
Jun HUANG , Jing ZHANG , Shiqian WENG . Airborne electro-optical target recognition algorithms[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2026 , 47(6) : 332601 -332601 . DOI: 10.7527/S1000-6893.2024.32601
| [1] | REDMON J， FARHADI A. YOLOv3： An incremental improvement［BD/OL］. arXiv preprint： 1804.02767， 2018. |
| [2] | LI C M， HUANG R， DING Z H， et al. A variational level set approach to segmentation and bias correction of images with intensity inhomogeneity［C］∥Medical Image Computing and Computer-Assisted Intervention-MICCAI 2008. Berlin： Springer， 2008： 1083-1091. |
| [3] | YANG Y F， XIE Y N， CAO J， et al. Attention-guided dual feature extraction approach for small target detection in infrared images［J］. The Visual Computer， 2025， 41（8）： 5373-5389. |
| [4] | WOJKE N， BEWLEY A， PAULUS D. Simple online and realtime tracking with a deep association metric［C］∥2017 IEEE International Conference on Image Processing （ICIP）. Piscataway： IEEE Press， 2017： 3645-3649. |
| [5] | EYKHOLT K， EVTIMOV I， FERNANDES E， et al. Robust physical-world attacks on deep learning visual classification［C］∥2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE Press， 2018： 1625-1634. |
| [6] | HAZIRBAS C， MA L N， DOMOKOS C， et al. FuseNet： Incorporating depth into semantic segmentation via fusion-based CNN architecture［M］∥Computer Vision-ACCV 2016. Cham： Springer International Publishing， 2017： 213-228. |
| [7] | FANG Q Y， HAN D P， WANG Z K. Cross-modality fusion transformer for multispectral object detection［BD/OL］. arXiv preprint： 2111.00273， 2021. |
| [8] | 孙一竣， 雷斌， 丁倩钰. 基于多尺度特征融合与全局注意力机制的变化检测研究［J］.机电工程技术， 2025， 54（2）： 25-28. |
| SUN Y J， LEI B， DING Q Y. Research on change detection based on multi-scale feature fusion and global attention mechanism［J］. Mechanical & Electrical Engineering Technology， 2025， 54（2）： 25-28 （in Chinese）. | |
| [9] | 汤永恒， 郭璇， 孙水发， 等. 基于跨尺度特征融合与注意力机制的遥感船舶检测［J］. 遥感信息， 2024， 39（5）： 29-37. |
| TANG Y H， GUO X， SUN S F， et al. Remote sensing ship detection based on cross scale feature fusion and attention mechanism［J］. Remote Sensing Information， 2024， 39（5）： 29-37 （in Chinese）. | |
| [10] | 林亿， 赵明， 潘胜达， 等. 基于旋转不变特征的遥感图像飞机目标检测方法［J］. 光子学报， 2019， 48（6）： 159-168. |
| LIN Y， ZHAO M， PAN S D， et al. Method of aircraft target detection in remote sensing images based on rotation-invariant feature［J］. Acta Photonica Sinica， 2019， 48（6）： 159-168 （in Chinese）. | |
| [11] | DING B L， ZHANG Y H， MA S. A lightweight real-time infrared object detection model based on YOLOv8 for unmanned aerial vehicles［J］. Drones， 2024， 8（9）： 479. |
| [12] | YUE M， ZHANG L Q， HUANG J， et al. Lightweight and efficient tiny-object detection based on improved YOLOv8n for UAV aerial images［J］. Drones， 2024， 8（7）： 276. |
| [13] | NIU C W， SONG Y S， ZHAO X Y. SE-lightweight YOLO： Higher accuracy in YOLO detection for vehicle inspection［J］. Applied Sciences， 2023， 13（24）： 13052. |
| [14] | CHANG Y L， LI D， GAO Y L， et al. An improved YOLO model for UAV fuzzy small target image detection［J］. Applied Sciences， 2023， 13（9）： 5409. |
| [15] | 郝紫霄， 王琦， 高尚. 基于YOLO-v5算法的航拍图像小目标检测改进算法［J］. 常州大学学报（自然科学版）， 2023， 35（6）： 45-51. |
| HAO Z X， WANG Q， GAO S. Improved algorithm for small target detection in aerial images based on YOLO-v5［J］. Journal of Changzhou University （Natural Science Edition）， 2023， 35（6）： 45-51 （in Chinese）. | |
| [16] | QIU Z F， BAI H H， CHEN T Y. Special vehicle detection from UAV perspective via YOLO-GNS based deep learning network［J］. Drones， 2023， 7（2）： 117. |
| [17] | 宋耀莲， 王粲， 李大焱， 等. 基于改进YOLOv5s的无人机小目标检测算法［J］. 浙江大学学报（工学版）， 2024， 58（12）： 2417-2426. |
| SONG Y L， WANG C， LI D Y， et al. UAV small target detection algorithm based on improved YOLOv5s［J］. Journal of Zhejiang University （Engineering Science）， 2024， 58（12）： 2417-2426 （in Chinese）. | |
| [18] | FAN Y C， QIU Q L， HOU S H， et al. Application of improved YOLOv5 in aerial photographing infrared vehicle detection［J］. Electronics， 2022， 11（15）： 2344. |
| [19] | REIS D， KUPEC J， HONG J， et al. Real-time flying object detection with YOLOv8［DB/OL］. arXiv preprint： 2305.09972， 2024. |
| [20] | DONG X N， JIANG H L， SONG Y S， et al. Precision detection of infrared small target in ground-to-air scene［J］. Remote Sensing， 2024， 16（22）： 4230. |
| [21] | JIANG C C， REN H Z， YE X， et al. Object detection from UAV thermal infrared images and videos using YOLO models［J］. International Journal of Applied Earth Observation and Geoinformation， 2022， 112： 102912. |
| [22] | CHEN C L， ZHENG Z Y， XU T Y， et al. YOLO-based UAV technology： A review of the research and its applications［J］. Drones， 2023， 7（3）： 190. |
| [23] | ZHU Z， LIU Q， CHEN H， et al. Infrared small vehicle detection based on parallel fusion network［J］. Acta Photonica Sinica， 2022， 51： 0210001. |
| [24] | MAHMOOD M T， AHMED S R A， AHMED M R A. Detection of vehicle with Infrared images in Road Traffic using YOLO computational mechanism［J］. IOP Conference Series： Materials Science and Engineering， 2020， 928（2）： 022027. |
| [25] | KASPER-EULAERS M， HAHN N， BERGER S， et al. Short communication： Detecting heavy goods vehicles in rest areas in winter conditions using YOLOv5［J］. Algorithms， 2021， 14（4）： 114. |
| [26] | SUCHMAN L. Algorithmic warfare and the reinvention of accuracy［J］. Critical Studies on Security， 2020， 8（2）： 175-187. |
| [27] | HOGUE S. Project maven， big data， and ubiquitous knowledge： The impossible promises and hidden politics of algorithmic security vision［M］∥Automating Crime Prevention， Surveillance， and Military Operations. Cham： Springer International Publishing， 2021： 203-221. |
| [28] | 于子雯， 张宁， 潘越， 等. 基于改进的SIFT算法的异源图像匹配［J］. 激光与光电子学进展， 2022， 59（12）： 214-225. |
| YU Z W， ZHANG N， PAN Y， et al. Heterogeneous image matching based on improved SIFT algorithm［J］. Laser & Optoelectronics Progress， 2022， 59（12）： 214-225 （in Chinese）. | |
| [29] | 张松兰. 基于卷积神经网络的图像识别综述［J］. 西安航空学院学报， 2023， 41（1）： 74-81. |
| ZHANG S L. A review of image recognition based on convolutional neural network［J］. Journal of Xi’an Aeronautical Institute， 2023， 41（1）： 74-81 （in Chinese）. | |
| [30] | 乔风娟， 郭红利， 李伟， 等. 基于SVM的深度学习分类研究综述［J］. 齐鲁工业大学学报， 2018， 32（5）： 39-44. |
| QIAO F J， GUO H L， LI W， et al. Research on deep learning classification based on SVM： A review［J］. Journal of Qilu University of Technology， 2018， 32（5）： 39-44 （in Chinese）. | |
| [31] | 韩成成， 增思涛， 林强， 等. 基于决策树的流数据分类算法综述［J］. 西北民族大学学报（自然科学版）， 2020， 41（2）： 20-30. |
| HAN C C， ZENG S T， LIN Q， et al. Decision tree based streaming data classification algorithm： A survey［J］. Journal of Northwest Minzu University （Natural Science）， 2020， 41（2）： 20-30 （in Chinese）. | |
| [32] | 吕红燕， 冯倩. 随机森林算法研究综述［J］. 河北省科学院学报， 2019， 36（3）： 37-41. |
| LV H Y， FENG Q. A review of random forests algorithm［J］. Journal of the Hebei Academy of Sciences， 2019， 36（3）： 37-41 （in Chinese）. | |
| [33] | 任青阳， 王彦丁， 施俭. 卷积神经网络目标检测算法研究进展［J］. 科学技术与工程， 2024， 24（32）： 13665-13677. |
| REN Q Y， WANG Y D， SHI J. Advances in target detection algorithms for convolutional neural networks［J］. Science Technology and Engineering， 2024， 24（32）： 13665-13677 （in Chinese）. | |
| [34] | 刘建伟， 王园方， 罗雄麟. 深度记忆网络研究进展［J］. 计算机学报， 2021， 44（8）： 1549-1589. |
| LIU J W， WANG Y F， LUO X L. Research and development on deep memory network［J］. Chinese Journal of Computers， 2021， 44（8）： 1549-1589 （in Chinese）. | |
| [35] | CHEN Y H， LI W， SAKARIDIS C， et al. Domain adaptive faster R-CNN for object detection in the wild［C］∥2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE Press， 2018： 3339-3348. |
| [36] | REDMON J， DIVVALA S， GIRSHICK R， et al. You only look once： Unified， real-time object detection［C］∥2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）. Piscataway： IEEE Press， 2016： 779-788. |
| [37] | 谌颃， 张袖斌， 肖斌， 等. 基于Faster-RCNN深度学习算法的图像识别技术研究［J］. 机器人产业， 2024（3）： 98-102. |
| CHEN H， ZHANG X B， XIAO B， et al. Research on image recognition technology based on Faster-RCNN deep learning algorithm［J］. Robot Industry， 2024（3）： 98-102 （in Chinese）. | |
| [38] | 于航， 谭炳香， 沈明潭， 等. 基于机器学习算法的机载高光谱图像优势树种识别［J］. 自然资源遥感， 2024， 36（1）： 118-127. |
| YU H， TAN B X， SHEN M T， et al. Identifying predominant tree species based on airborne hyperspectral images using machine learning algorithms［J］. Remote Sensing for Natural Resources， 2024， 36（1）： 118-127 （in Chinese）. | |
| [39] | 操乐林， 武春风， 侯晴宇， 等. 基于光谱成像的目标识别技术综述［J］. 光学技术， 2010， 36（1）： 145-150. |
| CAO L L， WU C F， HOU Q Y， et al. Survey of target recognition technology based on spectrum imaging［J］. Optical Technique， 2010， 36（1）： 145-150 （in Chinese）. | |
| [40] | 倪斌， 黄照强， 郭健， 等. 基于机载和星载高光谱遥感的武夷山成矿带蚀变矿物信息识别研究［J］. 华东地质， 2023， 44（1）： 67-81. |
| NI B， HUANG Z Q， GUO J， et al. Identification of altered mineral information in the Wuyishan metallogenic belt based on airborne and spaceborne hyperspectral remote sensing［J］. East China Geology， 2023， 44（1）： 67-81 （in Chinese）. | |
| [41] | 王世颍， 宋显浩， 王晓丽， 等. 全色和多光谱遥感图像融合下的植被覆盖度估算研究［J］. 草业科学， 2024， 41（12）： 2777-2791. |
| WANG S Y， SONG X H， WANG X L， et al. Research on vegetation coverage estimation based on panchromatic and multispectral remote sensing image fusion［J］. Pratacultural Science， 2024， 41（12）： 2777-2791 （in Chinese）. | |
| [42] | 任艳， 刘胜男， 陈新禹， 等. 不同季节下无人机航拍图像与卫星图像匹配方法研究［J］. 弹箭与制导学报， 2023， 43（5）： 16-24. |
| REN Y， LIU S N， CHEN X Y， et al. An image matching method for season-changing UAV aerial images and satellite images［J］. Journal of Projectiles， Rockets， Missiles and Guidance， 2023， 43（5）： 16-24 （in Chinese）. | |
| [43] | 郭植星. 基于单目视觉的可通行区域检测方法研究［D］. 广州： 广东工业大学， 2022. |
| GUO Z X. Research on detection method of passable area based on monocular vision［D］. Guangzhou： Guangdong University of Technology， 2022 （in Chinese）. | |
| [44] | 于淼， 张路， 金豪， 等. 基于人工智能的红外图像特征点匹配方法［J］. 信息记录材料， 2023， 24（3）： 167-169. |
| YU M， ZHANG L， JIN H， et al. Matching method of infrared image feature points based on artificial intelligence［J］. Information Recording Materials， 2023， 24（3）： 167-169 （in Chinese）. | |
| [45] | 孙雪. 基于U-Net的医学图像分割网络研究［D］. 南京： 南京邮电大学， 2022. |
| SUN X. Research on medical image segmentation network based on U-Net［D］. Nanjing： Nanjing University of Posts and Telecommunications， 2022 （in Chinese）. | |
| [46] | IGLOVIKOV V， SHVETS A. TernausNet： U-Net with VGG11 encoder pre-trained on imagenet for image segmentation［DB/OL］. arXiv preprint： 1801.05746， 2018. |
| [47] | SOMMER L W， SCHUCHERT T， BEYERER J. Generating object proposals for improved object detection in aerial images［C］∥Electro-Optical Remote Sensing X， 2016. |
| [48] | 任守纲， 张景旭， 顾兴健， 等. 时间序列特征提取方法研究综述［J］. 小型微型计算机系统， 2021， 42（2）： 271-278. |
| REN S G， ZHANG J X， GU X J， et al. Overview of feature extraction algorithms for time series［J］. Journal of Chinese Computer Systems， 2021， 42（2）： 271-278 （in Chinese）. | |
| [49] | WANG H， LI X. Optimization of network security intelligent early warning system based on image matching technology of partial differential equation［J］. Journal of Cyber Security and Mobility， 2024， 13（3）： 461-488. |
| [50] | RAMADAN M， TOKHEY M EL， RAGAB A， et al. Adopted image matching techniques for aiding indoor navigation［J］. Ain Shams Engineering Journal， 2021， 12（4）： 3649-3658. |
| [51] | ODEH N， TOMA A， MOHAMMED F， et al. An efficient system for automatic blood type determination based on image matching techniques［J］. Applied Sciences， 2021， 11（11）： 5225. |
| [52] | 孙泽军. 机载光电系统中红外典型目标检测、识别与跟踪技术研究［D］. 南京： 南京航空航天大学， 2017. |
| SUN Z J. Research on detection， identification and tracking technology of infrared typical targets in airborne photoelectric system［D］. Nanjing： Nanjing University of Aeronautics and Astronautics， 2017 （in Chinese）. | |
| [53] | 周翰祺， 方东旭， 张宁波， 等. 基于深度学习的多无人机多目标跟踪［J］. 计算机工程， 2025， 51（4）： 57-65. |
| ZHOU H Q， FANG D X， ZHANG N B， et al. Multi-UAV multi-object tracking based on deep learning［J］. Computer Engineering， 2025， 51（4）： 57-65 （in Chinese）. | |
| [54] | MARTíNEZ C， RICHARDSON T， CAMPOY P. Towards autonomous air-to-air refuelling for UAVs using visual information［C］∥2013 IEEE International Conference on Robotics and Automation. Piscataway： IEEE Press， 2013： 5756-5762. |
| [55] | LAURENZIS M， HENGY S， HOMMES A， et al. Multi-sensor field trials for detection and tracking of multiple small unmanned aerial vehicles flying at low altitude［C］∥Signal Processing， Sensor/Information Fusion， and Target Recognition XXVI， 2017. |
| [56] | WANG X Y， YANG Z， PIAO H Y， et al. Intelligent recognition method of target tactical behavior intention in air combat based on deep learning［J］. Engineering Applications of Artificial Intelligence， 2024， 138： 109460. |
| [57] | 宋波涛， 许广亮. 基于LSTM与1DCNN的导弹轨迹预测方法［J］. 系统工程与电子技术， 2023， 45（2）： 504-512. |
| SONG B T， XU G L. Missile trajectory prediction method based on LSTM and 1DCNN［J］. Systems Engineering and Electronics， 2023， 45（2）： 504-512 （in Chinese）. | |
| [58] | 戴礼灿， 刘欣， 张海瀛， 等. 基于卡尔曼滤波算法展开的飞行目标轨迹预测［J］. 系统工程与电子技术， 2023， 45（6）： 1814-1820. |
| DAI L C， LIU X， ZHANG H Y， et al. Flight target track prediction based on Kalman filter algorithm unfolding［J］. Systems Engineering and Electronics， 2023， 45（6）： 1814-1820 （in Chinese）. | |
| [59] | 童鹏飞， 陈好， 许新鹏， 等. 多导弹多目标协同探测信息融合技术研究［J］. 空天防御， 2020， 3（3）： 54-62. |
| TONG P F， CHEN H， XU X P， et al. Study on information fusion technology of multi-missile multi-target collaborative detection［J］. Air & Space Defense， 2020， 3（3）： 54-62 （in Chinese）. | |
| [60] | 苏珂珂. 基于红外图像和辐射特性的空中目标双模识别算法研究［D］. 长春： 中国科学院大学（中国科学院长春光学精密机械与物理研究所）， 2024. |
| SU K K. Research on dual-mode recognition algorithm of air target based on infrared image and radiation characteristics［D］. Changchun： Changchun Institute of Optics， Fine Mechanics and Physics， Chinese Academy of Sciences， 2024 （in Chinese）. | |
| [61] | WANG Y L， SUN X Y， DING B， et al. Anti-UAV： An improved algorithm for small UAV target detection based on YOLOv8［M］∥Proceedings of 4th 2024 International Conference on Autonomous Unmanned Systems （4th ICAUS 2024）. Singapore： Springer， 2025： 335-348. |
| [62] | KUMAR S， KUMAR A， KUMAR K. GhostNet-YOLO algorithm for object detection in UAV image［C］∥2023 Seventh International Conference on Image Information Processing （ICIIP）. Piscataway： IEEE Press， 2023： 293-299. |
| [63] | 许晓阳， 高重阳. 改进YOLOv7-tiny的轻量级红外车辆目标检测算法［J］. 计算机工程与应用， 2024， 60（1）： 74-83. |
| XU X Y， GAO C Y. Improved YOLOv7-tiny lightweight infrared vehicle target detection algorithm［J］. Computer Engineering and Applications， 2024， 60（1）： 74-83 （in Chinese）. | |
| [64] | 苑玉彬， 吴一全， 赵朗月， 等. 基于深度学习的无人机航拍视频多目标检测与跟踪研究进展［J］. 航空学报， 2023， 44（18）： 028334. |
| YUAN Y B， WU Y Q， ZHAO L Y， et al. Research progress of UAV aerial video multi-object detection and tracking based on deep learning［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（18）： 028334 （in Chinese）. | |
| [65] | WU Y， MU X， SHI H， et al. An object detection model AAPW-YOLO for UAV remote sensing images based on adaptive convolution and reconstructed feature fusion［J］. Scientific Reports， 2025， 15（1）： 16214. |
| [66] | 韩立祥. 基于红外与可见光图像融合技术的无人机对地目标检测系统设计［D］. 广汉： 中国民用航空飞行学院， 2024. |
| HAN L X. Design of UAV ground target detection system based on infrared and visible light image fusion technology［D］. Guanghan： Civil Aviation Flight University of China， 2024 （in Chinese）. | |
| [67] | CHEN H， YANG W Z， ZHOU G Y， et al. MFRENet： Efficient detection of drone image based on multiscale feature aggregation and receptive field expanded［J］. Pattern Analysis and Applications， 2024， 27（4）： 120. |
| [68] | CHEN X， WANG G H. FP-RTDETR： Enhancing infrared ship detection with multi-scale feature fusion and lightweight design［J］. The Journal of Supercomputing， 2025， 81（8）： 984. |
| [69] | LAN Z Y， ZHUANG F Y， LIN Z J， et al. MFO-net： A multiscale feature optimization network for UAV image object detection［J］. IEEE Geoscience and Remote Sensing Letters， 2024， 21： 6006605. |
| [70] | NIU C H， HAN D Z， HAN B， et al. SAR-LtYOLOv8： A lightweight YOLOv8 model for small object detection in SAR ship images［J］. Computer Systems Science and Engineering， 2024， 48（6）： 1723-1748. |
| [71] | ZHU M M， HU G P， ZHOU H， et al. Rapid ship detection in SAR images based on YOLOv3［C］∥2020 5th International Conference on Communication， Image and Signal Processing （CCISP）. Piscataway： IEEE Press， 2020： 214-218. |
| [72] | WANG W Y， ZHANG H C， XU A L. Efficient ship detection in SAR images with dynamic feature smoothing and visual module using omni-dimensional dynamic large-scale convolution［J］. Multimedia Tools and Applications， 2024， 83（26）： 68697-68721. |
| [73] | ZHAO D D， ZHANG Z， LU D D， et al. CV-YOLO： A complex-valued convolutional neural network for oriented ship detection in single-polarization single-look complex SAR images［J］. Remote Sensing， 2025， 17（8）： 1478. |
| [74] | ZOU H C， WANG Z T. An enhanced object detection network for ship target detection in SAR images［J］. The Journal of Supercomputing， 2024， 80（12）： 17377-17399. |
| [75] | 赵其昌， 吴一全， 苑玉彬. 光学遥感图像舰船目标检测与识别方法研究进展［J］. 航空学报， 2024， 45（8）： 029025. |
| ZHAO Q C， WU Y Q， YUAN Y B. Progress of ship detection and recognition methods in optical remote sensing images［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（8）： 029025 （in Chinese）. | |
| [76] | FANG C G， BI Y， WU Z Y， et al. Ship detection in SAR image based on improved YOLOv5 network［C］∥International Conference on Computer Graphics， Artificial Intelligence， and Data Processing （ICCAID 2022）， 2023. |
| [77] | WANG J P， LIN Y Q， GUO J， et al. SSS-YOLO： Towards more accurate detection for small ships in SAR image［J］. Remote Sensing Letters， 2021， 12（2）： 93-102. |
| [78] | KHAN H M， CAI Y Z. Ship detection in SAR image using YOLOv2［C］∥2018 37th Chinese Control Conference （CCC）. Piscataway： IEEE Press， 2018： 9495-9499. |
| [79] | 陈旭， 彭冬亮， 谷雨. 基于改进YOLOv5s的无人机图像实时目标检测［J］. 光电工程， 2022， 49（3）： 69-81. |
| CHEN X， PENG D L， GU Y. Real-time object detection for UAV images based on improved YOLOv5s［J］. Opto-Electronic Engineering， 2022， 49（3）： 69-81 （in Chinese）. |
/
| 〈 |
|
〉 |
CJA