舰船检测在海洋环境监测与港口安全保障中起着至关重要的作用,而基于传统光学图像的方法易受光照与天气条件影响。合成孔径雷达（Synthetic Aperture Radar,SAR）图像凭借其全天时、全天候的优势,成为舰船检测的重要数据源。随着机器学习等相关领域的发展,SAR图像舰船检测方法的性能不断提高。然而,近岸区域作为各个领域的重点关注区域,其舰船检测仍存在诸多亟需解决的问题。一方面,由于近岸区域场景复杂,背景噪声严重,检测器难以从舰船特征中准确分离出背景信息,造成误检率上升;另一方面,受近岸区域舰船密集,尺寸多变等因素影响,检测器难以有效提取舰船特征,导致漏检率上升。针对此,本文研究SAR图像近岸区域舰船目标检测方法。针对复杂场景舰船难检测问题,本文提出了一种基于场景解译的SAR图像舰船目标检测方法。首先,该方法通过场景解译模块对感兴趣区域进行全卷积逐像素预测类别,实现近岸海陆区域语义分割。其次,利用目标检测模块判断不同解译场景候选区域中有无目标并对其中目标进行分类以及边界框回归,完成不同场景区域中的舰船目标检测。最后,设计目标综合模块综合不同场景区域中的检测结果得到最终的检测结果。该方法将场景解译用于舰船目标检测可以分离背景信息对舰船目标的干扰,从而获得有效的目标特征,进而降低误检率,提高近岸区域目标检测的性能。针对多尺度、密集舰船难检测问题,本文提出了一种基于无锚框机制的SAR图像舰船目标检测方法。首先,该方法构建融入跳跃连接和聚合节点结构的无锚检测框架,通过融合多个分辨率下的特征实现多尺度的舰船目标检测。其次,设计关键点估计模块通过改进关键点估计策略缓解密集舰船目标的漏检问题。最后,设计通道注意力模块通过闸门机制增强网络对舰船目标的注意力以抑制背景噪声的干扰。该方法不受人工设计锚框的限制,可以有效融合多尺度特征和消除相邻舰船目标的相互抑制,从而解决多尺度、密集舰船目标检测的漏检难题,提高近岸区域船舰目标检测效率。综上所述,本文深入分析了SAR图像近岸区域舰船目标检测面临的挑战,研究了基于场景解译和基于无锚框机制的目标检测方法,分别针对复杂背景、多尺度和密集的舰船目标检测提出了有效的解决方案并设计了完整的检测方法。在公开的SAR图像舰船目标检测数据集上的实验结果表明,与一些当前最先进的检测方法相比,本文提出的方法实现了更高的检测精度和更低的误检率与漏检率。