传统的飞机识别方法受模糊、遮挡、噪声以及光照等多种因素的干扰时会降低识别率，且卷积神经网络主要依赖局部特征，却丢失了轮廓特征等重要的全局结构化特征，从而导致算法对于受干扰飞机图像识别效果不佳。因此，基于密集卷积神经网络提出一种结合局部与全局特征的联合监督识别方法，以密集卷积神经网络为基础得到图像特征，通过结合局部特征（卷积神经网络特征）与全局特征（方向梯度直方图特征）进行分类，分类器目标函数使用softmax损失和中心损失联合监督方法。实验结果表明，局部特征与全局特征的结合使算法更加智能化，且损失函数联合监督方法能够实现图像深层特征的类内聚合、类间分散，该算法能有效解决卷积神经网络对受到多种干扰的遥感图像识别率低的问题。