海洋监控和侦察对我国海洋安全和环境保护有着重要的意义，随着遥感技术的发展和成熟，利用卫星图像进行舰船检测也就成了实现该任务的重要手段。然而可见光卫星图像成像时常常会覆盖云层，这也给舰船目标检测任务带来了极大的干扰。论文正是在此背景下，针对云遮挡情况下的舰船检测问题展开了深入的研究，主要研究内容如下：　　论文首先综述了云检测和舰船目标检测的国内外研究现状，分析了现有的各种算法以及它们的不足之处，然后分别从云检测和舰船目标检测这两个方向进行了研究。　　其次，提出了一种基于纹理特征的云检测算法，该算法利用最大响应滤波器（Maximum Response Filter，MR8）的加速版本来提取纹理特征，并利用K-D树来形成直方图特征，并使用SVM完成分类，该方法拥有较强的云层区域特征描述能力，提高了对云层区域的检测精度。　　然后，结合超像素和K均值聚类提出了一种改进的二值化梯度范数（Binarized Normed Gradients，BING）算法，该方法经过简单的训练就能快速有效地找到舰船目标潜在区域，为后续的舰船目标提取节省了时间。　　最后，提出了一种基于融合的显著性提取算法，该算法结合了四元傅里叶变换和超复数频域变换这两个视觉显著性模型的优点，较好地抑制了背景区域，并且能很好地保留显著性区域。实验表明该算法在舰船检测任务中获得了很好的效果。