合成孔径雷达因其具有全天候高分辨率成像能力与观察范围广、重访周期短等优点,被广泛应用于海洋观测。利用合成孔径雷达图像进行船舶目标检测已成为一个广受关注的研究课题。由于海洋环境复杂多变,利用SAR图像进行船舶目标检测经常会受到诸如风、浪、流、岛屿等干扰源的影响。船舶目标与主要干扰源之间存在物理差异,如何利用这些差异区分船舶目标与背景是提高船舶目标检测准确率的关键所在。本文通过分析船舶目标与主要干扰源各自的特点及其在SAR图像中的表现形式,发现船舶目标检测准确率的提升受制于干扰源带来的两个主要问题:(1)船舶目标与背景的对比度下降;(2)SAR图像中存在其他目标,使船舶目标难以被区分。针对这两个问题,本文开展了如下研究:1)基于船舶与干扰源在散射信号强度、散射机制与反射对称性上的差异,比较了 6种SAR图像信杂比增强方法的增强效果。实验证明,对于船舶目标检测任务而言,提高图像的信杂比或构建能够有效提高图像信杂比的检测度量能够有效提高船舶目标检测的准确率。2)利用深度学习能够分层次提取对象特征,无需人工设计特征的特性,基于Faster R-CNN目标检测网络,提出一种船舶目标检测方法。该方法能够组合船舶与主要干扰源的多种特征进行判断。实验证明,该方法在目标密集分布、目标沿岸分布及存在干扰源干扰的情况下,对具有不同表现特点的船舶目标均能够实现有效的整体检测。