合成孔径雷达(SAR)技术的发展日新月异，研究如何在SAR图像上检测舰船目标对我国民用和军事领域的海域监控都具有重大意义。本文围绕SAR图像舰船目标检测问题开展了相关研究，主要研究了基于词包模型的高分辨率SAR图像目标检测以及精确分割定位方法。在舰船目标检测预处理过程中，本文分别研究了SAR图像去噪问题以及SAR图像海陆分割问题。针对SAR图像去噪问题，研究了NL-means去噪方法，实验结果表明该去噪方法可以较好的达到去噪要求。针对SAR图像海陆分割问题，通过总结现有的陆地掩模方法，综合考虑检测精度和算法复杂度问题，研究了基于最大类间方差法(OSTU)结合形态学处理方法实现了海陆分割。以上两步的预处理过程为后续的目标检测打下了良好的基础。在目标检测以及精确定位方面，针对SAR图像分辨率的提高带来的细节信息增加这一问题，本文通过分析高分辨率图像上舰船目标和海洋背景的特征区别，提出了基于词包模型的舰船目标精细定位算法。首先在特征提取方面，本文提出了基于图像块的特征提取方法，该特征提取方法可以很好的同时保留平滑区域和纹理区域的特征。为了提高检测效率，本文在分类决策过程中提出了两级检测器实现目标检测定位。第一级检测器是基于图像块灰度直方图构造方法，该方法通过构造图像块灰度直方图，通过支持向量机(SVM)分类器实现目标检测，对检测图像实现1616块分割。第二级检测器是基于局部图像块组合直方图构造方法，通过构造局部图像块组合直方图，在第一级检测器的结果上继续进行44大小的块分割。检测结果中当虚警率为1%时，目标的检出率可以达到93%以上，定位精度误差大约为1个像素点左右。实验结果表明，本文的算法很好的实现了舰船目标精确定位。