卫星遥感图像舰船检测技术不论在军事领域还是民用领域都具有十分重要的战略价值,主要应用场景为卫星在轨场景及地面站场景。在轨场景常用于远洋海面的舰船实时监控,星上有限的计算资源以及遥感图像大幅宽、小目标的特性是算法设计的主要挑战。地面站场景计算资源充足,常用于港口等复杂环境的舰船检测。本文对在轨场景的可见光遥感图像舰船目标检测系统进行了研究,同时探索了地面站场景中复杂环境的舰船目标检测方法,为不同场景协同完成舰船检测奠定了基础。本文的主要工作内容及创新包括如下两点:第一,在工程应用研究方面,本文设计了应用于在轨场景的遥感图像舰船目标检测、识别与定位系统。系统采用低分辨率卫星处理结果引导高分辨率卫星成像的多星引导方式实现快速、大面积的海域扫描。针对低分辨率遥感图像中舰船目标特征弱化、背景干扰复杂的问题,本文提出了改进的基于图像灰度的低分辨率舰船检测算法,通过增加海陆分割及舰船识别模块提升了基于灰度方法在复杂环境下的检测性能,有效过滤背景噪声及小型虚警干扰。对于高分辨率图像舰船检测任务,本文提出了改进的Yolov3-tiny网络,通过增加三角参数的预测改善了旋转目标检测中角度周期性的问题,并设计了轻型网络实现目标细颗粒识别。本文设计了基于Jetson TX2计算板的地面测试平台模拟在轨运行场景。在地面平台与相关工作的对比实验结果表明,本文提出的方法在计算效率和精度上可取得较好的折中,并且可实现准实时检测。第二,在地面站计算资源充足的场景中,本文提出了基于Transformer的舰船目标检测网络。针对遥感舰船宽高比大、角度任意的特性,本文设计了由旋转等变性骨架网络及空间注意力机制组成的特征提取模块,可有效抑制遥感图像中复杂的背景噪声。遥感图像中小目标较为密集,本文设计了以自适应池化为基础的多尺度输入模块改善小目标的检测性能。Transformer计算量较大,本文提出了形变自注意力模块,采用形变窗口机制减少自注意力模块的计算量,加快推理速度,并在多头拼接时额外加入角度注意力机制突出特征图中不同角度通道的贡献。与现有方法的对比实验结果表明,本文提出的方法可在公开的遥感舰船数据集HRSC2016上取得当前最佳性能,m AP为90.62%。