SAR凭借其全天候、全天时的主动作业优势,被普遍地应用到例如军事、海洋监控等众多应用领域。SAR目标的检测与识别也成了研究的热点。本文以SAR舰船目标为核心,开展了海陆分割、舰船检测以及舰船大小分类识别三方面的工作。本文首先梳理了目前舰船检测与识别的研究现状,对比分析了现有方法具有的优势及存在的问题。总结了SAR图像和SAR海面目标的特征,详细分析了影响舰船目标检测与识别的环境、SAR系统以及舰船自身等因素,引入了舰船目标检测与识别的基本流程。SAR海面图像中的陆地区域内有大量的强散射物体及建筑,不利于舰船目标检测。本文利用海洋与陆地在灰度和边缘密度上的不同,使用基于边缘检测与区域生长的海陆分割方法去掉陆地部分,避免对后续检测造成干扰。传统的CFAR检测受杂波影响较大,常伴随有虚警,并且会损失一部分舰船形状信息。针对此类问题,本文提出了一种基于超像素分割和随机森林聚类的舰船检测算法。其中,超像素分割能保证舰船有较为完整准确的形状,同时还将舰船检测算法从传统的单个像素点提升到超像素的水平,减少计算量;随机森林聚类的目的是快速找到稀有的舰船超像素块。实验结果表明,本文算法检测具有较好的抗噪性能,检测率较高,并且能很好地保留舰船目标的形状特性。在得到形状信息完整的舰船检测结果后,提取形状特征,对舰船的大小进行分类识别。