我国海域辽阔,情况复杂,海洋形式严峻,因此开展海上遥感技术研究具有十分重要的现实意义。舰船作为海上运输作业的主要交通工具,是海上监控的重点对象,需要利用遥感技术,有针对性的进行遥感图像舰船目标检测。同时,由于可见光遥感图像与红外遥感图像和合成孔径雷达遥感图像相比,具有更高的空间分辨率并且能够提供更丰富的细节信息,引起了学者的广泛关注,利用可见光遥感图像进行舰船目标检测就逐渐成为了舰船目标检测领域的研究热点。随着深度学习的迅速发展,基于深度学习的舰船检测方法相较于传统方法展现出了巨大优势,表现为在复杂背景环境情况下性能优异,具有较好的泛化能力和鲁棒性。由于基于深度学习的舰船检测方法是数据驱动的,算法不仅需要大量的图像数据,同时还需要图像中的舰船目标的标注信息。然而针对特定空间分辨率下的可见光舰船遥感图像数据缺乏,人工标注舰船目标费时费力且容易出错。如何获得带有标注的大量训练数据是一大难题。不仅如此,遥感图像在成像过程中为扩大对地面观测的范围,通常会进行侧摆成像,在这种成像条件下图像中的舰船目标会发生一定的形变,造成舰船目标漏检及误检等。针对上述这些问题,本文对可见光遥感图像中舰船目标的检测进行了研究,研究的主要内容有:研究了一种新的数据增强方法,该方法利用舰船三维模型立体信息,通过将舰船三维模型投影到遥感图像中的生成仿真遥感图像,并以此对数据集进行数据增强。该方法能够自动标注投影得到的舰船目标,省去人工标注。在采用多组实验通过图像相似度比较算法对仿真图像的有效性和可靠性进行了分析后,并通过深度学习目标检测算法进行数据增强前后的对比实验,验证了该数据增强方法的有效性。进一步将所提出的数据增强方法与几种传统数据增强方法结合进行研究分析,实验结果表明该方法能够在传统数据增强方法基础上进一步提升数据集的能力。针对侧摆成像条件下图像中舰船检测结果差的问题,采用初步的分类实验进行验证,分析这类图像对其中舰船检测带来的影响。并通过研究的三种深度学习目标检测算法对这类遥感图像中的舰船目标进行检测,进一步分析了图像中舰船检测结果差的原因。考虑到三维模型拥有反映目标立体信息的特性,提出了一种基于角度信息添加策略的多角度仿真遥感图像生成方法。该方法通过调整舰船三维模型来模拟多角度侧摆拍摄条件下的遥感图像中舰船目标形态,进而生成仿真遥感图像,向遥感图像数据集中添加舰船的多角度立体信息。通过多组多角度信息添加前后的对比实验进行验证性,实验结果表明,该方法可以有效地提升侧摆成像条件下的遥感图像中舰船检测的准确率,解决舰船目标的漏检及误检问题。