近年来,飞机空难坠海和船舶海难事故频发,给人类生命、财产造成巨大损失。及时有效的海上搜救是降低海上事故影响的最有效途径,而搜寻事故地点是实施海上救援的前提。目前海上事故地点的搜寻多依靠人力搜寻等传统方式,但此方式在深远海或恶劣海况条件下显得尤为困难,因此搜寻成功率较低。而遥感技术具有宏观性好、实时性强、灵活性高等优势,在海上搜寻领域扮演重要角色。利用高光谱和高空间分辨率遥感宏观与微观结合、光谱信息与空间信息互补的技术优势,可有效实现海上搜救目标的探测搜寻。不过仍然存在搜寻的待探测目标考虑不全面、数据源单一化等问题,无法满足海上搜救的紧急化、精准化需求。本文深入研究了针对不同搜救情况、多种遥感数据源的海上搜寻典型目标系统化探测方案。针对中高分辨率影像的泄露油膜目标提取问题,提出了自底向上GBVS显著性及自顶向下SPM显著性的感兴趣区提取算法,从复杂场景大幅面影像中定位目标局部区域,进而利用遗传神经网络算法实现油膜的精确提取。感兴趣区探测模块运行总时间满足应急化需要,遗传神经网络分割效果较为可观;针对高光谱遥感端元提取效率、精度有限等问题,构建了基于数据场——光谱的端元提取预处理模型,结合端元提取算法及最小二乘丰度反演算法,最终实现油膜目标的提取,实验证明该模型在精度、抗噪性及效率方面均具有可靠保证;在利用高分辨率影像进行近岸海域遇险船舶目标探测研究方面,提出了基于水体指数、形态学操作的水陆分离算法,通过船舶感兴趣区提取、利用遥感多特征信息的影像分割算法,最终实现船舶目标的精确探测。实验证明以纹理为特征的马尔可夫模型较以目标形状轮廓驱动水平集演化的活动轮廓模型对船舶目标提取更为完整;在海上残骸目标的高光谱遥感探测研究方面,重点研究了 DWT-SVDD异常探测算法,并与RX及WKRX进行对比分析,结果表明DWT-SVDD对于像元级异常乃至目标成分低至1/9的亚像元级异常的目标探测均较为敏感。