遥感技术因其观测范围广、可周期重访且不受国界限制等特点,已成为对国内外重点关注地区进行常态化监控的重要手段。舰船作为海上重要运输载体与特殊军事力量,在促进经济发展、维护国家权益等方面发挥着非常重要的作用。利用遥感技术特有优势,对舰船目标开展检测识别与运动监测,无论是在渔业管理、航运安全、失事救援等民用方面,还是在监视敌方舰船兵力部署、掌握舰艇编队动态、评估战时海上毁伤效果等军事方面,均有着重要的现实意义。近年来,随着世界各国对遥感技术的日益重视,大批专业级遥感卫星陆续升空或抓紧研制,地球静止轨道卫星能够对大范围区域实施长时间持续性监测,中低轨卫星可获取亚米级高空间分辨率图像,视频卫星更是可以获取同等级分辨率的彩色动态视频。如何综合利用各类型遥感数据,精准、快速、稳定地在海量且复杂的遥感图像中检测与识别舰船目标,已成为当前研究热点之一。本文针对可见光遥感图像中舰船目标检测识别和运动监测问题,主要进行了深度学习目标检测网络搭建及相关算法改进、舰船目标细粒度分类、基于时序图像的运动目标帧间数据关联等方面的研究与探索工作。研究内容主要归纳如下:（1）分析了在遥感数据量呈指数级增长、图像复杂度不断提高的背景下,引入深度学习进行数据判读的必要性;总结归纳可见光、SAR、红外以及多/高光谱等不同遥感数据的优缺点,重点对可见光图像特点与舰船目标特性进行深入分析;系统梳理舰船目标检测与运动跟踪技术研究现状,并对基于深度学习的目标检测常用算法进行分析与比较。（2）针对遥感图像中舰船目标旋转、聚集、大长宽比等特点,分析常用的水平检测框应用在此场景下的不足之处,并在长边定义法明确旋转检测框角度信息的基础上,使用环形平滑标签CSL（Circular Smooth Label）将角度信息从回归问题演变成分类问题,以解决角度周期性带来的损失突变难题;在HRSC2016数据集上实现了舰船目标—类别—型号三级细粒度分类识别,且相比于原始的水平检测框算法,Recall、m AP分别提升了7.6%和5.3%,改进效果较好。（3）分析遥感技术发展现状与未来趋势,综合利用高低轨卫星优势特点,设计利用多源遥感卫星数据实施海上多运动舰船目标检测跟踪方法,准确定位目标候选区域,可较大程度缩减目标检测搜索范围;分析Deep SORT目标跟踪算法关键技术,完成了对遥感卫星实拍视频中舰船目标的跟踪监测,并开展相关仿真实验,实现航迹标绘、航速航向估算、航迹动态管理等具体功能,验证了在遥感图像舰船目标运动监测任务中引入表观特征进行帧间数据关联,进而完成持续、稳定跟踪的可行性。