船只检测技术是计算机视觉技术与遥感监测领域相结合的重要研究课题,应用场景非常广泛,国家领海监测、海运交通管理、船只安全救险都离不开船只的识别定位技术。随着近些年光学遥感技术的不断进步,基于光学遥感图像的船只检测算法越来越受到研究者们的关注,检测算法的检测准确性和计算效率是重点需要解决的问题,本文针对这两个方面进行了分析和研究,具体内容如下。传统目标检测算法对于船只检测场景适用性不佳,所以本文针对船只目标物体比例较小,细节特征不充分的问题,设计累加特征金字塔结构以增强高低层特征融合,提高了网络对小目标的特征提取能力和目标检测的准确性;针对密集排布情况下,船只目标的任意方向性会造成漏检的困难检测场景,提出旋转区域定位网络,利用旋转锚框策略改善区域推荐质量,解决了密集排布场景下的船只漏检率高的问题。模型在航空图像数据集上进行了实验验证和策略优化,实验表明,本文所提模型综合性能优于传统算法,特别是在船只密集排布的复杂场景下,船只目标定位更精细,非常适合光学遥感图像船只检测任务场景。船只检测过程中,陆地背景会对检测任务造成巨大干扰,降低算法的运行效率和准确性。针对该问题,本文提出了一种基于高程数据和图像灰度信息的多级海陆分离策略,解决了大幅宽遥感图像的海陆分离运算效率低和前后景灰度值接近情况下分离算法性能下降的问题。多级海陆分离策略根据数字高程模型将陆地与海洋区域进行粗略区分,并利用模糊聚类将海洋区域像素和陆地区域像素进行精细分类,利用形态学处理和孤立区域擦除措施,保证最终结果的准确性。实验表明,本文所提算法在漏检率、虚检率、检测覆盖率和检测正确率等指标上均有提升,也具有良好的鲁棒性。