光学卫星载荷成像技术的发展促进了图像分辨率的提升和目标可视化特征的不断增强,进而使船只目标检测成为了研究的热点。目前,在光学遥感图像船只目标检测应用中,现有检测方法难以满足复杂场景下的应用需求。因此,本文针对光学遥感图像复杂场景船只目标检测虚警多、漏检严重的问题展开了研究。具体研究工作按照遥感图像处理方法分为两个层面:一、场景级预处理;二、目标级解译。其中,场景级预处理主要针对大视场光学遥感图像覆盖面积广、包含信息多的特点,通过同质区域提取,避免对远洋与港内船只目标检测进行冗余运算,同时提升船只目标检测的时效性,并为后续目标级解译奠定基础。具体光学遥感图像船只目标检测场景级预处理包括以下两个方面:(1)精细化海陆分割:由于光学遥感图像分辨率的提升,现有地理位置信息库(注:DEM数据库16m分辨率)空间分辨率已无法满足精细化海陆分割的需求。因此,本文提出了基于多尺度池化特征融合图像序列生成及马尔科夫随机场建模的光学遥感图像精细化海陆分割方法。在远洋船只目标检测的过程中,实现了对陆地区域大量虚警信息的屏蔽,并为后续港口区域检测奠定了基础。(2)港口区域检测:港口是光学卫星载荷重点观测的区域之一。由于港口区域结构复杂,难以利用有效特征描述进行提取,本文提出了基于模板编码(Pattern Coding)的港口区域提取算法,以实现对复杂港口区域结构的鲁棒性描述及精确提取,为港内船只检测奠定了基础。在光学遥感图像船只目标检测的场景级预处理基础上,目标级解译包括两方面内容:(1)中、低分辨率光学远洋船只目标检测:本文针对光学遥感远洋复杂场景下,船只目标检测中的一些边界性问题,如:大面积云覆盖、碎云、岛礁干扰;船只目标自身灰度尺度差异性变化;算法实时性等,提出了基于分层分级差异性建模的船只目标候选区域提取方法,以及基于综合决策分析的船只候选区域鉴别技术。解决了在复杂远洋场景下船只目标检测虚警多、漏检严重的问题,且提出的方法具有较好的鲁棒性及适应性。(2)高分辨率光学港内船只目标检测:高分辨光学港内船只目标自身具有类内差异、多方向、多尺度特性,以及港内背景复杂多样的干扰信息,是导致港内船只目标检测虚警多、漏检严重的主要原因。本文针对高分辨率光学港内船只目标检测中的问题以及智能化算法设计的需求,提出了基于结构化稀疏表达的高分辨率港内船只目标区域提取方法、基于共享原子稀疏表达的船只方向预测方法和基于综合结构显著性分析的精细化船只目标轮廓检测提取方法。提出的方法解决了现有高分辨率港内船只目标检测方法中存在的问题,实现了高分辨率光学复杂港内场景下船只目标的精细化检测。本文按照场景级预处理与目标级解译的过程,对光学遥感图像船只目标检测算法进行了深入的研究,并针对现有方法中存在的问题给出了算法解决方案。最后,通过大量的实验分析,验证了本文提出算法的有效性及适应性,为设计的算法走向船只实际检测系统的应用奠定了基础。