海上舰船监测对海上交通、国防安全具有重要意义。星载合成孔径雷达(Synthetic aperture radar,SAR)具有全天时全天候成像能力,已经成为一种重要的对海观测手段。SAR图像舰船检测技术能够实现在复杂的环境中,实时准确的定位船只位置,成为了国内外研究的热点。本文围绕SAR图像舰船检测问题,研究了基于最大稳定极值区域(Maximally Stable Extremal Regions,MSER)的恒虚警(Constant False Alarm Rate,CFAR)和基于神经网络的SAR图像舰船检测等方法。主要内容如下:(1)针对传统CFAR存在的检测速度慢问题,分别从算法改进和参数估计计算优化等方面,分析了两级CFAR算法和一种参数估计的快速计算方法相对传统CFAR的优势。(2)针对两级CFAR算法检测速度慢的问题,提出了一种基于MSER的CFAR舰船检测算法,能准确快速定位出舰船的潜在位置,实现了检测速度和检测精度的提高,性能优于两级CFAR算法。(3)针对基于CFAR的算法存在的适应性低的问题,提出了一种基于串行解卷积单次检测器(Cascaded Deconvolutional Single Shot Detector,DSSD)的舰船检测算法。该算法能对复杂场景实现有效检测,检测精度和适应性优于CFAR算法。实测星载SAR数据实验验证了上述算法的有效性。结果显示,基于MSER的CFAR算法和基于串行DSSD模型的算法能够有效实现SAR图像舰船检测,相对于传统的CFAR算法,提高了检测的速度和精度。