随着国家“一带一路”战略的深入发展,认识海洋,经略海洋,维护我国海洋主权日趋重要。近些年来,我国构建了从外太空到海底的系列立体探测体系,伴随着遥感卫星分辨率越来越高,星地链路传输带宽越来越大,人工和传统的识别方法已经不能满足遥感图像中的目标识别要求。基于卷积神经网络发展起来的图像识别技术展现了优良的性能指标,将基于卷积神经网络的图像识别技术与海量的高清卫星图像资源结合起来,既提高了数据的利用价值,又解放了人力资源,故而本文围绕着光学遥感图像的预处理、基于YOLO V3的船舰目标识别、基于局部特征融合的船舰目标分类等问题展开研究,主要内容归纳如下:1.窗口滑动分割技术与粗细粒度图像对应技术。高精度光学卫星成像范围广,图像分辨率高,拍摄的卫星图像有尺寸大、像素点多的特点,难以作为直接源输入图像处理算法。针对尺寸大的问题,提出窗口滑动分割技术,将超大卫星图像分割成多个小尺寸图片,并且有效解决图像边缘识别误差问题;针对像素点多的问题,提出粗细粒度对应技术,将图像处理为高低两种分辨率的输入图像,在船舰识别阶段采用低分辨率图像实现快速遍历整幅图像、在船舰分类阶段采用高分辨率的局部图像实现船舰细节特征提取。2.基于图像识别算法YOLO V3的船舰目标识别研究。分析遥感图像中船舰目标识别的技术特点,针对存在的弱点、难点改进YOLO V3算法结构,采用K-means聚类算法聚类船舰样本尺寸范围,重新设置识别算法中的先验框尺寸,以提升检测过程中的标注框的尺寸契合度;针对在广阔海洋背景中船舰目标很小,修改多级特征提取网络,避免图像过度压缩引起的小目标丢失,提升小目标识别能力。3.基于多源特征融合的船舰目标分类研究。针对船舰目标的种类复杂、遥感图像中船舰角度多样、俯视图中目标特征提取困难等问题,提出利用HOG、SIFT两种局部特征提取算法,分别获取船舰目标的轮廓特征向量和结构特征向量,融合两种特征增强特征的鲁棒性,并强化不同种类船舰之间的区别,通过融合后的向量训练SVM分类器,从而完成船舰目标分类。4.遥感图像船舰识别展示系统。利用模块化开发理念,将船舰识别、船舰分类功能整合,并利用百度地图开发了船舰目标地图展示功能,完成了整个船舰识别展示系统的开发。综上所述,本文对基于高清遥感图像的船舰识别技术进行了相关研究,围绕存在的实际问题,构建图像处理模型,改进深度学习网络,设计识别展示系统,本文实验结果证明了文章中提出的各项研究方法有一定的创新性和实用性。