近年来,随着遥感技术的不断突破,得益于大量的高分辨率遥感卫星,光学遥感影像可获取更加丰富的信息,船舶检测有了更加多样化的遥感图像数据,而随着日益增加的应用需求,更高效、更高识别能力的光学遥感船舶检测方法具有重要的研究意义和应用价值。为此,本文开展了遥感船舶检测算法的研究课题,本文算法研究主要包括显著性候选区域提取和船舶候选区域鉴别两个方面。首先,本文分析了光学遥感图像的特点和显著性检测模型的原理,对不同特点的光学遥感图像和几种常见的显著性模型分别进行了拟合实验和显著性检测实验,为后续的光学遥感船舶检测奠定了基础。其次,针对光学遥感船舶检测任务场景中与海面颜色相似船舶显著值低的问题,本文提出了一种将改进FT显著性检测和Hessian边缘检测显著性模型融合起来的显著性候选区域提取算法。本文先用改进FT显著性检测和Hessian矩阵边缘检测,分别对遥感图像进行处理,然后再采用脉冲耦合神经网络将得到的这两种显著图融合成总显著图,以提高与海面背景颜色相近船舶的显著值,从而提取有效的船舶候选区域切片,并对该候选区域切片的尺寸做归一化操作,便于下一步的检测处理。实验表明,本文算法有效地提高了船舶检测任务中与海面背景颜色相近船舶的显著值。最后,针对船舶候选区域提取中存在的背景干扰问题,本文提出一种结合迁移VGG16的候选区域鉴别方法。本文先通过迁移VGG16网络提取船舶数据集特征,然后训练Softmax分类器鉴别该候选区域,分离候选区域中可能存在的干扰信息,从而实现遥感船舶检测。实验表明,本文算法进一步提高了光学遥感船舶检测的精度。