我国是海洋大国，海洋问题事关国家根本利益。利用SAR对海洋船舶目标进行监测的技术具有非常广泛的应用领域，并得到了国家相关部门的高度重视。例如，海洋渔业资源保护与渔船监测、海洋环境监督、海上交通安全保障、海洋执法等领域。目前，一些发达国家已开发出比较成熟的基于SAR技术的船舶探测系统，并成功应用于海洋渔业监测、船舶溢油监测等领域。近年来，国内众多学者对此进行了大量的研究，但与发达国家相比，我国的研究还相对滞后，系统性的研究成果也相对不足。　　 为此，本文在SAR海洋交通监测技术项目支持下开展了一系列研究工作。目的是开发一个自主研制的海上交通监测与分析示范系统，实现海洋船只目标的监测与信息提取，并对收集的信息进行统计分析，最终将统计结果以专题图的形式提供给相关部门。为实现这一目标，本文首先对三种经典船舶检测算法，即双参数CFAR算法(Constant False AlarmRate)、OMW算法(Ocean Monitoring Workstation)、SUMO算法(Search for UnidentifiedMaritime Objects)的优缺点进行总结，同时提出了一种基于多尺度静态小波分解的改进型CFAR检测算法，并与这三种经典算法进行比较分析，以验证本文算法的有效性。最后，将新算法集成到海上交通监测与分析系统。以此系统为例，着重介绍SAR船舶探测系统中船舶目标信息提取的基本流程并对新算法的实用性进行了验证。本文的具体工作如下：　　 1)通过对基于SAR影像的船舶目标检测算法与船舶探测系统发展的总结，了解了目前船舶检测算法与系统中存在的主要问题，并明确了本文研究的出发点：如何提高算法在不利情况下(风浪等噪声干扰、高海杂波、弱小船舶)的检测性能。　　 2)为了改善算法对复杂海况下弱小船只的检测性能，本文提出了基于静态小波分解的改进型CFAR船舶检测算法。与传统CFAR算法的基于目标与背景具有较高对比度的前提不同，该算法利用目标与背景噪声在不同小波尺度间相关性的不同，首先通过实验选出最优小波基及最佳小波分解级数，再利用幂运算对经多尺度乘性增强的小波系数进行优化，达到增强目标且抑制噪声的作用，从而使用简单的CFAR算法即可检测出船只目标，有利于复杂海况下弱小船只的检测。　　 3)本文对传统CFAR算法的处理流程进行了一定的改进，以提高CFAR算法速度，并改善算法在以下两方面的检测效果：第一，由于船舶间距很近时而造成的漏检情况；第二，增强算法抗孤立噪声干扰能力，以降低算法虚警率。　　 4)结合星载ALOS-PALSAR、TerraSAR-X数据，将新检测算法与三种经典船舶检测算法(双参数CFAR算法、基于L视K-CFAR的OMW算法、基于模板匹配的SUMO算法)在风浪等噪声干扰、高海杂波、弱小船舶三种常见不利条件以及高分辨率影像下进行算法性能(品质因数与运行时间)的比较与分析。　　 5)最后将上述新算法集成到海上交通监测与分析示范系统，并在此系统中对新算法的实用性进行验证。