针对于海难突发事故，海洋搜救中心的工作人员利用合成孔径雷达(Synthetic Aperture Radar, SAR)图像进行舰船目标搜索时，为了保证船只定位的精确性，往往使用人工标注的方式来进行舰船目标定位，这样不仅耗时费力，而且满足不了搜救工作人员获取实时搜救信息的需求。如何利用卫星雷达、应急中心、移动终端三者互通的工作模式，帮助海洋搜救人员更容易获得精准的救援信息成为了亟待解决的研究问题。　　因此，本文先后对SAR图像舰船目标的检测算法以及检测结果在移动终端的快速加载算法进行了探索。主要贡献如下：　　（1）针对于复杂SAR图像舰船检测的需求，本文设计了基于显著性检测与卷积神经网络(Convolutional Neural Network, CNN)相结合的SAR图像舰船检测算法。通过训练CNN、掩膜海陆、提取显著性区域、利用训练好的CNN进行舰船检测等步骤对高分辨率SAR图像进行了舰船检测。该检测算法的舰船检测率可达95％，漏检率低至5%，虚警率低至9%，品质因子达到0.91，满足了舰船搜寻时的基本需求。　　（2）针对移动终端加载海量遥感数据速度慢的问题，本文设计了面向移动终端的SAR图像瓦片快速加载展示算法。该算法通过按需动态加载、循环加载展示、缓存以及延后删除等策略，将通过舰船检测后的SAR图像瓦片在移动设备上进行了快速的展示。实验结果表明，瓦片的平均加载时间下降了47%，同时保证了移动端设备内存消耗量的稳定性。　　（3）与此同时，本文具体实现了面向移动终端的SAR图像舰船检测的相关功能，加强了地球表层系统科学研究应用示范系统的移动端子系统与产品生产子系统之间的联系，使得卫星雷达、应急中心、移动终端三者互通的工作模式成为现实。　　本文进一步的将上述研究内容应用在地球表层系统科学研究应用示范系统中，本文的舰船检测算法对SAR图像进行舰船检测的结果达到了应用水平，移动终端的加载展示算法满足了用户浏览检测数据的实际需要，本文的研究内容为海面舰船搜救工作提供了重大帮助。