随着人类对海洋的开发和利用,海洋对于人类来说变得愈发重要。因此实行海上船舶检测对于国家经济发展、海上交通安全、海洋资源合理利用及领海安全起到了至关重要的作用。基于光学卫星图像舰船识别技术作为一种新兴技术给远距离海上动态监测系统提供了新的技术手段。相比于传统检测系统它拥有不受地域及时间的限制、可以进行远距离和大范围的动态监测、监测周期短,识别率高等诸多明显的优势。因此,快速、高效、准确地进行卫星船舶图像识别和分割非常重要。本文重点设计了用于卫星船舶图像识别的神经网络结构RIRnet。首先从设计网络模型时从模型复杂度,梯度传播中的消失问题及数据集自身特点等方面进行了综合研究。RIRnet网路结构从结构上分为初始层、过渡层和输出层三部分。本文设计的RIRnet网络结构有三个特点:(1)主要采用了以残差嵌入残差的构造作为基本结构,使梯度传播更加容易;(2)初始层采用五种不同的卷积核分别从不同维度提取特征,并进行特征融合。(3)过渡层还使用了以3*3及5*5两种不同的卷积核构造的残差嵌入残差结构,同时对两种卷积核构造的残差块进行拼接,使得特征更好的融合。最后,在卫星船舶图像数据上进行实验,并与其他经典神经网络模型进行对比。其次对于图像分割,本文采用U-Net网络和改进的U-Net对卫星船舶图像进行语义分割,两种网络均采用反卷积结构实现上采样。U-Net网络结构对于目标边缘分割粗糙,小目标的图像上分割精度差。因此对U-Net网络在损失函数和结构上进行改进,将RIRnet网络嵌入U-Net结构以实现特征的更好提取。最终在卫星船舶图像数据集上进行验证,改进的U-Net网络分割效果更好,对目标边缘细节和小目标的分割能力更强,证明本文对于U-Net的改进取得了一定的效果。