海洋舰船目标检测对海上交通监管、海上搜救、重点港口区域海洋防御以及掌握敌方海上资源分配等军民领域均具有重要意义,基于高分辨率光学遥感卫星图像的舰船目标持续监视与检测识别已成为光学遥感信息获取与处理领域的研究热点。但受到光学遥感图像获取链路中的大气传输、云雾、不同海况等复杂海空环境干扰,以及高分辨率光学遥感图像中可能包含的舰船目标类型繁杂、长宽比大、方向随机和港口附近目标密集等因素影响,现有方法难以满足低虚警高概率舰船目标检测的应用需求。本文即是针对该问题,开展复杂海空环境舰船目标光学遥感成像特性建模及检测方法研究,并进行相应的实验验证。主要研究工作如下:(1)复杂海空环境光学遥感成像链路建模与特性分析。首先通过对舰船目标本体、舰船目标尾迹、复杂海面背景以及云背景的结构与辐射特性进行模型化表征,实现典型目标场景特性的建模仿真;然后从光学遥感成像机理出发,分析了成像链路中的大气传输、卫星平台、光学载荷等光学遥感成像特性影响因素,并建立了复杂海空环境舰船目标光学遥感成像特性表征模型,最后以在轨卫星系统参数为输入条件,仿真生成了不同应用场景下的舰船目标遥感图像数据。(2)基于人工特征的舰船目标检测方法及性能分析。首先结合复杂海空环境舰船目标光学遥感成像特性模型,分析光学遥感图像舰船目标的灰度、颜色、纹理、形状特征。结果表明灰度和形状特征在弱杂波干扰图像中具有一定表征目标和背景差异性的能力。然后对人工特征的舰船检测方法进行了复杂海空环境光学遥感图像的检测实验。实验结果表明灰度和形状等低维视觉特征无法满足复杂环境下目标的鲁棒性描述,为实现低虚警高概率舰船目标检测,要求对低维视觉特征进行更深层次的提取和更高维度的表征。(3)基于深度学习特征的舰船目标检测方法研究。利用深度神经网络的高维数据建模能力,对目标进行更高维度的表征,设计跨尺度连接的特征金字塔网络,实现对复杂海空环境下多类型、多尺度、密集排列的舰船目标的特征提取,针对舰船目标角度随机问题,采用旋转包围框的定位方法,实现目标位置和轮廓的高精度高鲁棒标定。然后针对特征不匹配问题,通过特征精细化模块重构特征图,得到复杂海空环境舰船目标检测网络,从而提出基于深度学习特征的舰船目标检测方法,更加有效地实现了复杂海空环境背景下舰船目标的高概率检测。(4)实验验证及分析。利用HRSC2016、DOTA等公开数据和仿真数据构建测试数据集,验证本文复杂海空环境舰船目标检测方法的正确性与有效性,并结合目标检测算法性能评价指标,分析本文方法在不同程度背景杂波干扰下的目标检测性能。实验结果表明本文方法能够有效实现不同海浪、云层和港口等复杂海空环境下光学遥感图像舰船目标的高概率检测。