遥感技术取得了长足的进步，己形成了由多种卫星为观测主体的强大观测系统。随着众多的高分辨率星载光学传感器的发射，获得的遥感数据规模越来越大，图片具有更清晰的结构信息和纹理信息。由于遥感数据规模的巨大和图片内容信息的丰富，导致传统算法对海洋目标的分割、检测和识别更加困难。本文通过分析公开的高分辨率光学遥感图片数据的特点，结合以往的方法，提出了一套海洋目标的检测、识别算法。本文的研究内容如下：　　 (1)提出了一种利用区域局部统计特征差异的海陆分割算法；海陆分割是海洋目标识别、检测的第一步，为海洋目标的正确识别和检测奠定了基础。以往的方法主要是利用像素信息进行分割，由于高分辨率图片内容信息的丰富，很多陆地区域和海洋区域有着相似的像素灰度，导致这些方法进行海陆分割时产生很多错误分割，为解决这个问题，本文提出了一种利用区域统计特征差异的海陆分割算法。该算法利用海洋区域统计信息进行初步分割，然后利用陆地和海洋区域统计信息的差异进行误判目标的剔除。实验结果表明该算法能够清晰的分割高分辨海洋遥感图片。解决了传统算法难以剔除陆地上具有和海洋相似纹理的区域。该算法没有运用任何图像形态学运算，能够比较完整的保存分割后的图片的局部细节信息，因此该算法不仅实现了高分辨率光学海洋图片的海陆分割，还可以运用该算法提取海岸线。　　 (2)提出了一种处理高分辨率遥感图像的舰船检测算法。舰船目标是海洋目标中最引人关注的焦点之一。目前的算法主要集中于离岸舰船的检测。目前离岸舰船检测算法主要是利用舰船的形状学特征，由于高分辨率遥感光学海洋图片中离岸舰船轮廓清晰，本文针对离岸舰船提出了一套快速有效的检测算法。该算法首先利用区域统计差异，进行海陆分割，然后根据连通域面积的大小，剔除陆地部分，最后利用舰船的形状学特征对离岸舰船进行检测。实验结果表明本文算法的实验正确率达到93％。针对港口内舰船的检测，由于难以找到合适的特征将港口和舰船进行分割，目前相关算法都是利用先验信息剔除港口，这样也就演化成了离岸舰船的检测。本文尝试找到一个合适的特征针对无先验信息的港口，进行舰船检测，因此本文提出了一个港口内舰船检测的初步算法。该算法通过3D高度信息的重建，提取出港口内高度比岸边高靠岸舰船。虽然该算法检测实用性不是很高，但是针对部分图片还是取得了不错的效果。　　 (3)提出一种特定舰船匹配算法。舰船目标检测以后需要进一步提取目标的深度信息,这就涉及到目标的匹配问题。Sift作为一种近年来提出的效果不错的特征提取算法已经广泛运用到图片匹配领域。但是由于卫星遥感图片具有巨大的数据量，难以人工的进行判断。由于图片内容的差异性很大，基于匹配点密度信息也难以进行真目标的判断。针对这个问题，为了使机器能够自动识别，本文设计了一套利用匹配点频域信息的舰船真目标自适应判断算法。实验结果表明该算法能够自适应的匹配目标。