近年来,合成孔径雷达成像技术与应用得到快速发展,在导航雷达存在探测盲区而且AIS不能提供非合作舰船信息的情况下,合成孔径雷达提供了另一舰船探测的重要途径,但复杂背景下的SAR图像目标检测问题一直未能得到很好的解决。本文以复杂背景下的SAR图像中舰船目标的检测算法为研究重点,给出一种解决方法,引入视觉注意机制,再结合Shearlet变换检测方法,实验结果证明取得了较好的检测效果。所做主要工作如下:对复杂背景下的海杂波的统计分布特性展开研究。介绍了几种海杂波统计分布模型及其参数估计方法,对背景杂波进行分布拟合实验,并进行分析总结。将视觉显著注意模型与CA-CFAR检测相结合,用于舰船目标的预筛选。选取SR视觉注意模型计算显著区域,生成显著图,在显著图上进行CFAR检测,得到初步筛选结果。研究了 SR模型,分析SAR图像的平均对数幅度谱曲线,阐明了模型在SAR图像上应用的可行性。结合原图与显著图的灰度直方图,从原理上说明了经过显著区域计算之后,原图的杂波分布发生变化,海杂波强度集中分布到低强度值区域,引入评价杂波强度和不均匀程度即复杂度的指标均值和标准差。结果表明,显著图的杂波复杂度指标均值和标准差均大大降低。针对一次显著图未排除的杂波干扰,本文提出求取二次显著图,在二次显著图上进行CFAR检测,实验结果显示排除了杂波干扰。针对因显著图带来的虚警现象,采用Shearlet变换检测算法来进行虚警判别。Shearlet变换检测方法在强杂波边缘容易出现虚警而且对图像大小有限制,而本文用其来进行虚警鉴别,使检测区域限制在CFAR检测结果的局部小区域内,并针对复杂背景情况给出改进方法。改进方法对系数依据阈值进行相应削弱或增强处理之后,在各方向上进行尺度间的相关操作,再进行方向上系数融合。通过对比度参数评价改进方法与前人方法,结果显示改进方法得到较大的对比度值。