随着航天技术的发展,我国合成孔径雷达(SAR)载荷的探测体系呈现多种类、多分辨率的发展趋势。合成孔径雷达高分辨率主动传感器由于对大气层具有较强的穿透能力,能够对海面的各个角度成像,因此成为了图像领域的关键技术之一。由于传统的检测识别方法很难适应多分辨率、多种类的SAR图像数据,从而需要寻求一种能从多分辨率的图像数据中提取有效特征的方法。首先,本文针对传统战舰检测方法在SAR图像中误差较大的问题,提出合理有效的边缘检测结合灰度差异的算法。通过利用Canny算子对边缘的方向进行检测。并根据Canny算子在SAR图像边缘强度的信息,确定ROEWA和Canny检测边缘的关联性。再利用ROEWA算子对图像的边缘进行强度检测。最后利用海陆差异将SAR图像进行海陆分离。其次,本文根据卷积神经网络模型对图像检测领域具有较高的应用价值,提出了改进的ELU激活函数卷积神经网络的方法,建立ELU激活函数和二次代价函数结合的深度学习模型,同时在训练样本中建立样本特征与所在分类中心的距离函数。实验结果表明,所提方法提高了SAR图像舰船检测的抗噪性,并且检测率达到了98.6%。最后,本文对比Softmax分类器和SVM分类器应用在SAR图像上的缺点,提出了使用混合模糊支持向量机代替传统的分类器。在实验中通过对比漏警率、虚警率和检测效率来得出所提算法的有效性。