针对遥感有向目标存在的检测问题，设计了一个基于改进Rotated RPN的网络，设计特征重组机制，通过加权使网络关注有效目标区域。使用新的有向框标注方法，避免在临界角度出现错位等问题。在检测头前端使用极化注意力模块，改善因为分类和回归任务所需特征不一致导致的性能下降问题。实验结果表明，该模型可以提高多类目标的检测精度。相较于基准Rotated RPN，该模型在Dior-R数据集上精度提升4.95%，在HRSC2016数据集上精度提升11.75%。

现有的石窟表面风化程度评估多使用人工局部测量方法,这种方法存在效率较低且评估结果易受主观因素影响等问题,鉴于此,提出了一种多光谱成像与随机森林算法相结合的石窟表面风化智能量化评估方法。通过多光谱成像提取的石窟表面光谱信息对风化类型及风化程度进行表征;利用多光谱特征数据重组和标准化处理建立训练、测试及预测样本;基于最小相对熵理论设计损失函数,训练随机森林算法模型,提取不同风化类型及风化程度样本数据的光谱特征;利用训练后具有特征感知能力的分类模型对石窟多光谱图像每个像素点的风化类型及风化程度进行智能预测评估;使用混淆矩阵和Kappa系数对评估结果进行精度评价。以陕西省延安市清凉山万佛寺万佛窟为例对所提方法进行验证,实验结果表明:目标石窟表面强盐析风化区域所占比例为5.15%,弱盐析风化区域所占比例为27.88%,微盐析风化区域所占比例为27.39%,积尘风化区域所占比例为39.58%,评估结果与实际风化状况基本一致,评估的准确率为98.49%,Kappa系数为0.98。所提方法可以实现像素级的精细化评估。