[1] T MORANDUZZO, F MELGANI. Automatic car counting method for unmanned aerial vehicle images. IEEE Transactions on Geoscience and Remote Sensing, 52, 1635-1647(2014).

[2] A KEMBHAVI, D HARWOOD, L S DAVIS. Vehicle detection using partial least squares. IEEE Transactions on Pattern Analysis and Machine Intelligence, 33, 1250-1265(2011).

[3] YUN， WEI, YUN， WEI. Multi-vehicle detection algorithm through combining Harr and HOG features. Mathematics and Computers in Simulation, 155, 130-145(2019).

[4] S TUERMER, F KURZ, P REINARTZ et al. Airborne vehicle detection in dense urban areas using HoG features and disparity maps. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 6, 2327-2337(2013).

[5] C PAPAGEORGIOU, T POGGIO. A trainable system for object detection. International Journal of Computer Vision, 38, 15-33(2000).

[6] P P LIANG, G TEODORO, H B LING et al. Multiple Kernel Learning for Vehicle Detection in Wide Area Motion Imagery, 1629-1636(2012).

[7] S F HE, R W H LAU, W X LIU et al. SuperCNN： a superpixelwise convolutional neural network for salient object detection. International Journal of Computer Vision, 115, 330-344(2015).

[8] 8陈允杰， 马辰阳， 孙乐， 等. 基于边缘修正的高光谱图像超像素空谱核分类方法［J］. 电子学报， 2019， 47（1）： 73-81. doi: 10.3969/j.issn.0372-2112.2019.01.010CHENY J， MACH Y， SUNL， et al. Edge-modified superpixel based spectral-spatial kernel method for hyperspectral image classification［J］. Acta Electronica Sinica， 2019， 47（1）： 73-81.（in Chinese）. doi: 10.3969/j.issn.0372-2112.2019.01.010

[9] Z Y CUI, Z S HOU, H Z YANG et al. A CFAR target-detection method based on superpixel statistical modeling. IEEE Geoscience and Remote Sensing Letters, 18, 1605-1609(2021).

[10] 10廖苗， 李阳， 赵于前， 等. 一种新的图像超像素分割方法［J］. 电子与信息学报， 2020， 42（2）： 364-370. doi: 10.11999/JEIT190111LIAOM， LIY， ZHAOY Q， et al. A new method for image superpixel segmentation［J］. Journal of Electronics & Information Technology， 2020， 42（2）： 364-370. （in Chinese）. doi: 10.11999/JEIT190111

[11] 11任凤雷， 何昕， 魏仲慧， 等. 基于DeepLabV3+与超像素优化的语义分割［J］. 光学 精密工程， 2019， 27（12）： 2722-2729. doi: 10.3788/ope.20192712.2722RENF L， HEX， WEIZH H， et al. Semantic segmentation based on DeepLabV3+ and superpixel optimization［J］. Opt. Precision Eng.， 2019， 27（12）： 2722-2729. （in Chinese）. doi: 10.3788/ope.20192712.2722

[12] 12李静. 基于NMI特征的遥感影像线性迭代聚类超像素分割算法［J］. 光学 精密工程， 2022， 30（6）： 734-742.LIJ. SLIC super-pixel segmentation algorithm base on NMI features used in remote sensing image［J］. Opt. Precision Eng.， 2022， 30（6）： 734-742.（in Chinese）

[13] 13姚群力， 胡显， 雷宏. 基于多尺度卷积神经网络的遥感目标检测研究［J］. 光学学报， 2019， 39（11）： 346-353. doi: 10.3788/aos201939.1128002YAOQ L， HUX， LEIH. Object detection in remote sensing images using multiscale convolutional neural networks［J］. Acta Optica Sinica， 2019， 39（11）： 346-353.（in Chinese）. doi: 10.3788/aos201939.1128002

[14] X Y CHEN, S M XIANG, C L LIU et al. Vehicle detection in satellite images by hybrid deep convolutional neural networks. IEEE Geoscience and Remote Sensing Letters, 11, 1797-1801(2014).

[15] 15于野， 艾华， 贺小军， 等. A-FPN算法及其在遥感图像船舶检测中的应用［J］. 遥感学报， 2020， 24（2）： 107-115. doi: 10.11834/jrs.20208264YUY， AIH， HEX J， et al. Attention-based feature pyramid networks for ship detection of optical remote sensing image［J］. Journal of Remote Sensing， 2020， 24（2）： 107-115.（in Chinese）. doi: 10.11834/jrs.20208264

[16] 16张康， 黑保琴， 周壮， 等. 变异系数降维的CNN高光谱遥感图像分类［J］. 遥感学报， 2018， 22（1）： 87-96.ZHANGK， HEIB Q， ZHOUZH， et al. CNN with coefficient of variation-based dimensionality reduction for hyperspectral remote sensing images classification［J］. Journal of Remote Sensing， 2018， 22（1）： 87-96.（in Chinese）

[17] 17王振庆， 周艺， 王世新， 等. IEU-Net高分辨率遥感影像房屋建筑物提取［J］. 遥感学报， 2021， 25（11）： 2245-2254. doi: 10.11834/jrs.20210042WANGZH Q， ZHOUY， WANGSH X， et al. House building extraction from high-resolution remote sensing images based on IEU-Net［J］. National Remote Sensing Bulletin， 2021， 25（11）： 2245-2254.（in Chinese）. doi: 10.11834/jrs.20210042

[18] 18杨州， 慕晓冬， 王舒洋， 等. 基于多尺度特征融合的遥感图像场景分类［J］. 光学 精密工程， 2018， 26（12）： 3099-3107. doi: 10.3788/OPE.20182612.3099YANGZ， MUX D， WANGSH Y， et al. Scene classification of remote sensing images based on multiscale features fusion［J］. Opt. Precision Eng.， 2018， 26（12）： 3099-3107.（in Chinese）. doi: 10.3788/OPE.20182612.3099

[19] 19陈欣， 万敏杰， 马超， 等. 采用多尺度特征融合SSD的遥感图像小目标检测［J］. 光学 精密工程， 2021， 29（11）： 2672-2682. doi: 10.37188/OPE.20212911.2672CHENX， WANM J， MACH， et al. Recognition of small targets in remote sensing image using multi-scale feature fusion-based shot multi-box detector［J］. Opt. Precision Eng.， 2021， 29（11）： 2672-2682.（in Chinese）. doi: 10.37188/OPE.20212911.2672

[20] 20谷雨， 刘俊， 沈宏海， 等. 基于改进多尺度分形特征的红外图像弱小目标检测［J］. 光学 精密工程， 2020， 28（6）： 1375-1386. doi: 10.3788/ope.20202806.1375GUY， LIUJ， SHENH H， et al. Infrared dim-small target detection based on an improved multiscale fractal feature［J］. Opt. Precision Eng.， 2020， 28（6）： 1375-1386.（in Chinese）. doi: 10.3788/ope.20202806.1375

[21] C COUPRIE, C FARABET, L NAJMAN et al. Indoor Semantic Segmentation using depth information. arXiv, 1301-3572(2013). https：//arxiv.org/abs/1301.3572

[22] D P FAN, Z LIN, Z ZHANG et al. Rethinking RGB-D salient object detection： models， data sets， and large-scale benchmarks. IEEE Transactions on Neural Networks and Learning Systems, 32, 2075-2089(2021).

[23] 23杜守基， 邹峥嵘， 张云生， 等. 融合LiDAR点云与正射影像的建筑物图割优化提取方法［J］. 测绘学报， 2018， 47（4）： 519-527. doi: 10.11947/j.AGCS.2018.20160534DUSH J， ZOUZH R， ZHANGY SH， et al. A building extraction method via graph cuts algorithm by fusion of LiDAR point cloud and orthoimage［J］. Acta Geodaetica et Cartographica Sinica， 2018， 47（4）： 519-527.（in Chinese）. doi: 10.11947/j.AGCS.2018.20160534

[24] J B SHEN, X P HAO, Z Y LIANG et al. Real-time superpixel segmentation by DBSCAN clustering algorithm. IEEE Transactions on Image Processing： a Publication of the IEEE Signal Processing Society, 25, 5933-5942(2016).

[25] J B SHEN, Y F DU, W G WANG et al. Lazy random walks for superpixel segmentation. IEEE Transactions on Image Processing： a Publication of the IEEE Signal Processing Society, 23, 1451-1462(2014).

[26] J S CHEN, Z Q LI, B HUANG. Linear spectral clustering superpixel. IEEE Transactions on Image Processing： a Publication of the IEEE Signal Processing Society, 26, 3317-3330(2017).

[27] M VAN DEN BERGH, X BOIX, G ROIG et al. SEEDS： superpixels extracted via energy-driven sampling. Computer Vision, 13-26(2012).

[28] D TANG, H Z FU, X C CAO. Topology Preserved Regular Superpixel, 765-768(2012).

[29] E SHELHAMER, J LONG, T DARRELL. Fully Convolutional Networks for Semantic Segmentation, 640-651(2016).

[30] O RONNEBERGER, P FISCHER, T BROX. U-net： convolutional networks for biomedical image segmentation. Lecture Notes in Computer Science, 234-241(2015).

[31] V BADRINARAYANAN, A KENDALL, R CIPOLLA. SegNet： a deep convolutional encoder-decoder architecture for image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 39, 2481-2495(2017).

[32] H S ZHAO, J P SHI, X J QI et al. Pyramid Scene Parsing Network, 6230-6239(2017).

[33] L C CHEN, Y ZHU, G PAPANDREOU et al. Encoder-decoder with atrous separable convolution for semantic image segmentation. arXiv, 1802-02611(2018). https：//arxiv.org/abs/1802.02611

[34] M A ISLAM, M ROCHAN, N D B BRUCE et al. Gated feedback Refinement Network for Dense Image Labeling, 4877-4885(2017).