随着国家海上战略逐步从近海走向远洋、从区域走向全球,我国迫切需要提升全球海上感知能力,远海远洋目标的实时精细化探测与识别依旧是该领域研究的瓶颈。目前来看,我国对海上石油钻井平台、船只等典型人造目标的探测识别依然有不小的困难,依托现代遥感技术和计算机视觉技术相结合的联合探测与识别技术,成为上述瓶颈问题解决的有效途径。一般的遥感图像海上目标识别算法基于小幅面的图像,算法的复杂度较高,只能对某一种目标进行识别。针对现有大幅面可见光遥感图像海洋典型人造目标的识别算法中针对性强、复杂度高、移植性差的问题。本文围绕大幅面可见光遥感图像海洋典型人造目标识别问题,依次进行了遥感图像掩膜分割、感兴趣区域检测和提取、目标特征提取和分类等研究,实现对遥感图像海洋目标的探测和识别,并通过实验验证了本文所提方案的有效性。本文所研究的关键技术分别是:(1)针对遥感图像中陆地、云层等障碍物的干扰问题,本文提出了一种基于最大类间方差法的自适应图像分割和掩膜算法,并利用相关图像形态学操作对分割结果做掩膜细化处理,实现了对障碍物的高效和精确掩膜;(2)显著性目标检测是本文所述遥感图像海上典型人造目标定位的重要环节。本文利用高斯拉普拉斯斑点检测算法对目标位置进行初始响应检测,但难以准确判断目标位置,为了实现对目标的精准定位,论文提出了一种基于图论的多聚类中心检测方法实现了对多目标的精确定位和尺度估计,基于目标位置信息和尺度信息能够有效提取感兴趣区域;(3)针对遥感图像目标的分类识别中存在的样本稀少、某些目标无特定形状特征问题,本文提出了一种基于形状和纹理特征的综合分类方案,实现了对目标的识别分类。为了验证论文所述方案的有效性和可靠性,实验下载了大批量的高分遥感图像作为实验数据对整个系统进行测试,并对测试结果进行了详细分析,实验表明本文所提方案能够实现对大幅面遥感图像海上船只、钻井平台人造目标进行较为准确、快速的定位识别,达到了预期研究目的。