随着中国经济的快速发展,中国航运业日益繁荣,港口货运量、吞吐量,船舶体量都跻身世界前列。船舶作为海洋装载、交通等方面的重要工具,在海洋领域的预警、救灾、运输等方面发挥着重要的角色。与此同时,近年来拖曳伞、低空无人机等海域应急监视平台技术的发展,为增强海域目标态势感知能力提供了新的技术手段。与卫星等高空平台正视观测方式不同,低空平台通过搭载大视场光电相机,应急快速部署,可实现对海域舰船等动目标的大斜视、多角度的观测。然而,围绕这类新型探测平台技术的光学舰船目标人工智能识别应用,面临着真实斜视多角度舰船图像数据获取有限,在样本数据稀缺情况下智能舰船目标识别算法难以设计等难题,亟需开展目标仿真及通过引入仿真样本实现高性能智能识别法的相关研究论文以构建基于海洋背景的斜视舰船目标仿真系统为目的,对系统中部分关键技术做了系统研究。对后续船舶自动化管理识别系统的实用化、商业化奠定了重要基础。论文主要工作和贡献如下:(1)论文针对低空斜视可见光舰船目标的成像仿真,综合考虑了舰船目标、海浪背景等几何、光谱特性,并结合倾斜观测大气传输效应,开展了倾斜目标的倾斜光学成像仿真建模,实现了可见光波段的舰船目标及海面背景的斜视多角度成像仿真,为目标识别等算法研究提供了仿真数据。(2)提出了一种改进的识别算法网络结构。所改良的网络结构以Squeeze N et为基础,并将网络浅层输出和深层输出级联合并作为最终输出,使得特征内容更加丰富;同时对Adam优化器进行改进,针对模型训练时Loss是否持续降低自适应地调整学习率,加快模型收敛速度。实验表明,论文提出的改进识别算法,在识别准确率和运行效率方面均优于传统算法。(3)论文针对真实数据不足难以有效训练典型舰船目标智能识别算法问题,引入典型舰船目标的多角度仿真数据来对训练样本进行扩充。通过采用仿真图像扩充后的训练样本,无论是传统knn算法还是论文提出的改进算法,典型舰船目标的识别准确率均得到显著提升,验证了采用仿真图像扩充训练样本实现算法识别性能提升的优越性和有效性。(4)论文针对典型舰船目标计算性能的提升,设计采用了基于GPU的并行技术路线,实验表明,并行后的计算性能与并行前相比,性能提升了近3倍。