海洋面积约占据了地球总面积的70%,海域战场无疑是世界各国不容忽视的领域。随着各国军事实力突飞猛进的发展,各国对海域防御和作战更为重视。红外检测与目标识别技术凭借其不可比拟的优势一直在海洋军事领域占据着一席之地,并且不断被研究与创新。考虑到海域中的目标多为舰船,因此红外舰船检测与目标的识别就显得尤为重要,同时也具有很高的军事应用和研究价值。本论文对红外舰船图像的检测方法进行了深入的研究,针对红外舰船图像的复杂特点得出了具有通用性的检测方法;对舰船目标的识别也进行了系统的研究,将传统舰船识别所研究的舰船种类识别细化到不同种类中舰船型号的识别,并通过研究得出了相应的高效检测与识别方法。通过仿真实验验证了本文方法的有效性。本文研究内容包括以下几个方面:首先,对传统P-M模型进行改进,使处理后图像不仅可以很好地抑制噪声,还能够充分保留红外舰船目标的边缘特征,并利用衰减阈值来实现P-M模型的无监督平滑处理;其次,针对传统GVF-Snake模型对初始轮廓的要求较高的问题,将基于OTSU算法、SUSAN算法以及PCNN算法的轮廓初始化方法进行比较研究,得出了基于PCNN的GVF-Snake改进模型,又对GVF-Snake模型的梯度扩散力场的杂乱分布问题进行优化,实现梯度矢量力场的规整化;再次,针对不同种类舰船各自的形状特点,首次使用一种新的特定几何特征来进行表征,再将新特征与传统几何特征以及不变矩特征相融合,利用最终的融合特征对舰船目标进行表征,使不同类的特征之间具有更强的可区分性;最后,将极限学习机引入舰船识别中来,并利用其改进模型进行舰船特征的识别与分类,使其能更好的适应小样本的训练与识别。综合上述所有方法,将所涉及算法利用MATLAB平台GUI界面对整体的舰船检测与识别过程进行界面展示。