随着光学遥感技术的不断发展,基于机、星载平台获取的大尺幅遥感图像进行的船舶检测技术,有着迫切的军民用需求,已成为海事研究领域的热门课题。与研究相对成熟的远洋船舶检测技术相比,滨海船舶检测技术的研究对港口航运动态监测和领海海事管理尤为重要。然而,由于港口内环境复杂,码头与船舶的灰度纹理特征较为相似,且靠港船舶常与码头呈现紧密相连的位置关系,导致直接采用已有远洋船舶检测方法难以实现港口船舶的有效检测。本文围绕着光学遥感图像港口内船舶检测技术展开,重点研究了海陆快速分割,泊位显著区筛选和候选目标鉴别三项关键技术,并基于此构建了整体检测算法框架。论文主要工作可凝练为以下几个方面:首先,本文提出一种对复杂港口场景具有自适应能力的双维特征融合海陆分割算法。基于遥感图像中海洋与陆地区域内灰度与纹理特征存在的尖峰分布特性,从大视场中粗分出海洋区域。并通过一系列形态学方法对粗分离结果进行细化。此方法对多样化的港口区域,在不使用先验GIS信息的前提下,能够实现快速高效的海陆分离。其次,本文构建了一种基于空间邻接特征的泊位显著区筛选算法。根据船舶在其停靠码头上呈现出的突异特性,本文设计了一种横纵双维度扫描方法。此方法可有效提取出在码头设施中呈现突异特性的船舶。同时,为了克服船舶停靠方向各异的特点,本文又提出了全向双维度交叉扫描方法(OITDS),实现了低漏检的疑似船舶候选区快速提取。再次,本文设计了一种混合决策模型来实现候选目标的精确鉴别。针对港内船舶检测的多变场景及船体与沿岸设施的复杂空间位置关系,本文基于船头典型特征、船舶整体结构特征以及船舶上下文特征分别构建子模型,再进行混合决策。该模型弥补了单一子模型在复杂场景下的弱鲁棒性缺点,不仅实现了港内锚泊船舶的可靠检测,还可对靠港复杂情况下的船舶实现有效检测。最后,在上述三项关键技术研究的基础上,本文构建了一套完整的港口内船舶检测软件系统。实现了在大尺幅遥感图像中,对港口内船舶的快速、精确检测。本文在大量光学遥感图像数据的支持下,采用多层次、多角度的实验手段,对所研究关键技术及整体算法框架的效率及有效性进行了验证与分析。