信息战是未来战争的主要作战形势,战场信息情报的获取、判断是交战双方取得制信息权的重要手段。包括卫星在内的众多侦查设备是获取信息的重要来源。卫星侦查具有范围广、速度快、受到的威胁小等优点已被广泛应用在多个方面。卫星图像作为卫星侦查的重要数据,具有强大的现实意义和国防意义。我国内海及边海面积约470万平方公里。舰船作为海上重要的交通工具和作战力量,在维护海洋安全和良好的海洋秩序中扮演重要角色。本文主要研究了在卫星图像中舰船目标的识别。包括对系统整体流程的规划、卫星图像中可疑点目标的定位、以及对舰船图像的多种识别分类方法都进行了深入的研究。最后在OpenStack云平台中构建深度学习系统并进行了测试,以满足系统今后对大量卫星数据进行图像存储识别和分析判断的需要。本文的主要工作如下:(1)解决了在实验室条件下对舰船目标进行研究卫星图像缺乏问题。通过在Google Earth Pro上对全球各大港口进行采集,得到了同一区域不同时间段内的大量舰船目标图像。(2)建立了从卫星图像获取、可疑点舰船目标定位和舰船目标识别的系统框架模型。并对常用图像识别和分类方法进行了阐述,为后期系统的实现提供了参考。(3)研究实现了在百度地图平台上,通过对不同时间段卫星图像的差值处理得到可疑的目标点,提出了根据卫星图像原有的经纬度信息和图像分辨率求解可疑目标点经纬度的方法。并在百度地图中进行了实践和应用。(4)解决了在卫星图像的识别中,舰船目标自动识别分类的高效性问题。在二类舰船目标的识别过程中分别采用了尺度不变特征转换、方向梯度直方图以及深度学习三种方法。实验结果得到深度学习方法在二类识别过程中正确率较高(增加了伪样本),因此还利用该方法对3类、4类问题进行了深入研究,均得到较高的正确率。(5)实现了在OpenStack云平台中构建Digists系统。在该环境下完成了以GoogLeNet深度网络结构为基础的目标舰船二分类识别(未增加伪样本),并获得良好效果。