由于合成孔径雷达（Synthetic Aperture Radar,SAR）具有全天时、全天候对海洋环境监视能力,开展基于SAR图像的舰船目标检测技术研究对经济民生和国防事业都具有十分重要的意义。从SAR技术诞生至今,国内外学者和研究机构针对SAR图像舰船目标检测技术开展了大量的研究,取得了一系列重要成果。然而,针对SAR图像中目标轮廓模糊的情况,传统方法依然难以取得好的检测结果。此外,随着SAR技术的发展进步,人们获取的SAR图像数据呈指数增长,图像数据朝着大篇幅和高分辨的方向发展,传统基于像素的处理方式越来越难以胜任未来发展的趋势。为了克服现有方法存在的瓶颈问题,论文基于SAR图像区域分割方法开展舰船目标检测技术研究,对超像素分割方法和水平集演化方法进行了详细深入的探索,并据此提出新的SAR图像舰船目标检测方法。论文的主要研究工作和成果如下:对现有的SAR图像舰船目标检测方法做了系统介绍。系统地回顾了SAR技术的发展历程,对现有SAR图像舰船目标检测方法进行了详细介绍,并分析了现有方法存在的主要问题,针对这些问题,结合未来发展趋势,对本文的主要研究方向和研究内容进行了详细介绍,并给出了本文的主要创新之处。研究了基于像素显著性差异和空间距离的SAR图像超像素生成方法。论文从现有的超像素生成算法出发,分析了SAR图像的特性和现有方法的不足,提出了一种基于像素显著性差异和空间距离的SAR图像超像素生成方法。为了解决现有超像素方法在不均匀边缘纹理区域难以形成准确超像素分割的问题,本文提出了一种高斯核加权的局部对比测度算子,该算子能在有效抑制相干斑的情况下,极大增强图像不均匀区域的像素动态范围,为准确检测出目标模糊的轮廓和边缘提供有利条件。此外,本文还提出采用自适应的局部紧凑性参数,解决超像素方法在混合区域效果差的问题。基于仿真SAR图像和真实SAR图像开展了对比实验,结果表明,和现有方法相比,基于不同噪声环境,在运算效率与现有方法相当的情况下,本文方法可实现更准确的超像素分割。研究了基于超像素的SAR图像海杂波统计分析。论文从传统SAR图像海杂波统计分析方法出发,创新性地提出开展基于超像素的SAR图像海杂波统计分析。论文采用强大的Sci Py科学计算库中的统计函数子库,将分布函数库中80多种分布函数对海杂波的超像素样本数据进行拟合,通过比较拟合误差,获取超像素海杂波最适合的分布模型——无界约翰逊（Johnsonsu）分布,并通过多组数据拟合实验,验证了Johnsonsu分布对超像素海杂波数据的拟合能力。研究了基于超像素的恒虚警率（Constant False Alarm Rate,CFAR）海面舰船目标检测方法。论文基于本文提出的超像素分割方法和Johnsonsu分布模型,开展了超像素级CFAR检测算法研究。不同于现有基于超像素的CFAR检测方法,本文采用全新的环形拓扑结构,背景超像素采用Johnsonsu分布函数建模,通过与传统的K-CFAR和最新的SP-CFAR算法开展对比实验,结果表明本文方法可实现更高的检测率和更低的虚警率。研究了基于超像素的马尔科夫随机场（Markov Random Field,MRF）海面及驻泊舰船目标检测方法。传统MRF方法基于像素空间关系,难以实现准确的分割。论文提出超像素级MRF舰船目标检测算法,以超像素为最小分析单元,解决了传统MRF方法无法利用图像高层次信息的缺点,此外还提出采用混合非局部的场分布函数,使分割结果更加精确。通过与传统MRF方法比较,实验结果表明本文超像素级MRF方法的检测精度更高,在驻泊舰船目标检测时效率比传统MRF方法更高。研究了基于水平集方法和视觉显著性的SAR图像驻泊舰船目标检测技术。为了进一步提升SAR图像驻泊舰船目标检测的精度,论文从局部二值拟合模型和改进的局部对比测度算法出发,提出了一种基于水平集方法和视觉显著性的SAR图像驻泊舰船检测方法。算法主要步骤包括,首先,利用降采样原理对图像进行快速初始化;其次,采用本文提出的基于显著性拟合能量的水平集方法进行分割演化;然后,通过自适应阈值提取候选目标;最后,通过面积筛选,获取最终检测结果。实验结果表明,本文方法相比传统K-CFAR和最新的多参数加权图像熵（Multiscale Variance Weighted Image Entropy,MVWIE）算法,可实现更高的检测率。通过和本文提出的超像素级MRF方法比较,驻泊舰船目标检测实验结果表明,本文基于水平集的方法在舰船目标完整性较差的情况下可获得更准确的目标轮廓。