随着军用信息技术和科学技术的发展,我们迫切需要提高对海洋的感知能力,尤其是海上目标的实时检测与精准识别问题。高光谱图像为海上目标探测提供了海量的高精度观测数据,相对于SAR而言,高光谱图像内容丰富更加直观,获取方式简单,具有不可替代的优点。由于高光谱图像具有图谱合一、连续成像的特性,因此高光谱成像技术在复杂广域的海洋环境下的目标探测与识别问题中具有极大的优势。遥感图像中的小目标或伪装隐藏目标通常难以通过纹理、边缘等空间特征检测到,而高光谱图像包含丰富的光谱信息则为检测这类目标提供了极大的便利。海洋环境中的目标检测与识别是机载遥感图像处理中的一个重要问题,传统的海上目标检测技术由于海杂波和海水运动的影响有较高的错检率和漏检率。同时随着成像光谱技术的发展,高光谱图像在获得更高的光谱分辨率和空间分辨率的同时数据量激增,海量数据给卫星下行传输、数据存储和后期的数据处理带来压力。针对传统技术错检率漏检率高和无法实时检测的问题,本文利用高光谱目标检测的优势提出了一种高光谱海上目标实时检测算法和基于检测结果的高光谱图像识别算法。本文从实际应用出发,针对海上高光谱数据,提出了基于高斯混合模型的目标实时检测算法和基于卷积神经网络的高光谱图像识别算法。论文的主要工作如下:(1)针对海量高光谱数据目标检测问题,本文提出了一种逐行处理的目标实时检测算法。随着高光谱数据的逐行实时传输,该算法仅利用了历史像元信息,无需未获取的像元信息,使得数据传输和处理同步进行。同时,应用了计算机视觉领域的高斯混合模型背景建模思想,利用高斯混合模型进行背景建模并更新海洋背景模型,该算法仅需上一时刻的状态和当前像元信息更新当前背景模型,无需重新计算历史像元和存储所有像元,缩短了算法运行时间的同时,大大降低了存储空间。算法的主要思想是:利用混合高斯模型思想进行背景建模;处理实时传输的数据,若数据匹配模型,则根据当前数据更新背景模型;若不匹配,则检测出海上目标。最后,针对提出的实时检测算法,本文设计了基于合成数据实验和真实高光谱数据实验。实验结果表明,基于高斯混合模型背景建模的小目标实时检测算法在保证检测精度的前提下,实现了算法的实时处理。(2)目标识别是高光谱图像处理领域的重要方向之一,尤其是对于海上高光谱图像的目标识别问题。由于海上的高光谱数据绝大部分为海水或云层背景,海上目标以小概率形式出现。因此对于目标敏感的识别算法成为海上高光谱目标识别的关键问题。本文提出了基于卷积神经网络的高光谱图像分类方法,并在标注的训练数据和中国科学院西安光学精密机械研究所采集原始数据上证明了该方法的有效性。本文提出的卷积神经网络采用了卷积层、池化层和全连接层的结构,有效地提取海上目标地特征信息,并通过全连接层将特征向量映射到标记空间从而得到良好地高光谱图像分类结果。