随着经济社会的发展,海上贸易航行越来越频繁,海上安全威胁日渐增多,因此对船只实施有效监控是海上安全的重要保障。分别基于AIS系统和卫星图像获取的船只数据存在缺陷：通过两种系统收集在大连湾地区的船只数据信息,AIS获取的信息与卫星图像获取的信息存在时间差,虽然通过AIS信息获取的船只数据快捷完整,但是有些船只未能安装该系统,因此信息不全；SAR图像获取船只数据全面但是船只信息不完整,由于图像存在噪声,因此卫星船只数据并不准确。目前关于AIS和卫星图像船只信息融合算法的文献较少,主要有BP神经网络算法、DR算法、加权平均值算法、证据合成法等。本论文从实际情况分析解决了以下问题：图像噪声引起船只特征失真,模糊融合算法效率不高,可疑船只缺少归类分析。利用船载AIS设备可以容易的获取大连湾周围船只信息。通过卫星拍摄该区域内的图像,并对图像进行几何校正；构建特征向量集,受图像存在失真等因素的影响,需要对图像中船只长度、位置等特征值重新计算,根据相似性对比公式计算各个特征间的船只相似性值；改进模糊融合算法：融合范围的限定、关键特征的选取、融合决策的制定。把SAR,图像中的船只而AIS中未出现或者未准确定义的船只定义为可疑船只,分时段统计在大连湾地区航行船只信息,分析船只种类和船只长宽之间的关系。通过新的融合算法进行船只数据融合,发现可疑船只,对这些可疑船只进行分析归类。利用上述改进的模糊融合算法本次实验取得良好效果,实验结果中一共融合了13艘船只,发现5艘可疑船只,与实际情况相当。算法的有效性得到良好验证。按实地情况对5艘可疑船只进行归类,结果让人满意。