目标检测在计算机视觉学科中是一个重要的研究方向,其具有广泛的应用,如文字识别、流水线生产、机器人等。其中,海上船舶目标检测对于无人船自主航行、海洋环境监测、海上事故救援等领域,海上船只目标的检测具有重要的应用背景与现实意义。然而海上环境复杂多变,船舶运动、天气变化、光照、海面反光、波纹等干扰使得基于图像的船只目标检测面临诸多问题。本文采用基于显著性特征的检测方法,在检测出的显著图基础上融合区域分割方法,进而实现海天背景环境下的船舶目标检测。重点研究了可见光图像中海天背景图像的特性,以及显著性特征检测方法在海天背景环境下的表现,主要分为三个部分:海天背景图像分类与增强,显著图生成与优化,目标区域分割与后处理,具体工作如下:(1)根据得出的十种流行的显著性特征检测方法在海天背景下的检测结果,对海天背景环境特征进行分析,得出影响显著检测结果的主要因素。进而通过图像的灰度均值及灰度方差总结归纳得到海天背景环境分类方式及评价指数,并根据实验分析两种适用于海天背景环境图片质量优化的方法,总结得出一种基于海天背景环境分类及评价指数,适用于各种海天背景环境的直方图均衡化与图像均值法加权融合的图像增强方法。(2)引入海天背景先验信息,分析显著性检测算法提取背景信息的方式与海天背景环境之间的关系,并进行验证。进而对显著性检测算法进行相应的改进,将背景作为整体提取改为对两个区域进行信息提取。并根据文中的两种显著性检测算法在不同类别的海天背景环境下的表现结果差异,将两种改进算法得出的显著图图像再融合,根据实验得出其加权参数计算方法,形成最终的显著图。并对改进结果进行实验分析。(3)分析已有的图像分割算法,将其与显著检测结果进行融合,优化已有算法的图像分割结果。进而引入局部特征检测及数学形态学对结果进行后处理,并通过实验对改进后的算法进行验证。通过对比原有算法验证本文改进算法性能的提升。