1、隨著海洋勘探、海上運(yùn)輸、海底資源開發(fā)的發(fā)展，海洋船只活動(dòng)越來越頻繁。準(zhǔn)確快速地檢測(cè)海上艦船的位置對(duì)國家海洋經(jīng)濟(jì)發(fā)展和權(quán)益維護(hù)有著十分重要的現(xiàn)實(shí)意義和戰(zhàn)略意義。
　　SAR具有全天時(shí)、全天候等探測(cè)特點(diǎn)，是艦船檢測(cè)重要的實(shí)現(xiàn)手段。CFAR算法是目前艦船檢測(cè)領(lǐng)域中應(yīng)用最廣泛的一類算法，但是隨著衛(wèi)星遙感技術(shù)的迅速發(fā)展，遙感數(shù)據(jù)逐步呈現(xiàn)“大數(shù)據(jù)”的特征，艦船檢測(cè)還需要結(jié)合大數(shù)據(jù)分析來提高其精度和速度。深度學(xué)習(xí)在利用大數(shù)據(jù)進(jìn)行計(jì)算機(jī)模式識(shí)別方

2、面取得了突破性進(jìn)展，其中，卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）靜態(tài)圖像識(shí)別效果最好。本文基于經(jīng)典CFAR思想和CNN模型，分別研究實(shí)現(xiàn)了以下三種海上SAR圖像艦船檢測(cè)方案：
　　首先，針對(duì)艦船快速檢測(cè)研究實(shí)現(xiàn)了基于多線程技術(shù)的多級(jí) CFAR檢測(cè)算法。對(duì)比研究分析了 CFAR檢測(cè)中經(jīng)常用到的統(tǒng)計(jì)模型，并從中篩選出最適合海雜波分布的模型；基于經(jīng)典 CFAR檢測(cè)思想及原理和多線程技術(shù)，提出了

3、CFAR算法優(yōu)化方案，并應(yīng)用于艦船檢測(cè)。
　　其次，針對(duì)檢測(cè)準(zhǔn)確度研究實(shí)現(xiàn)了基于CNN的艦船檢測(cè)算法。在分析CNN模型結(jié)構(gòu)、原理及整個(gè)訓(xùn)練過程的基礎(chǔ)上，結(jié)合CNN模型在圖像分類中的經(jīng)典案例，研究提出了基于深層次CNN的艦船檢測(cè)方案，并開展了艦船檢測(cè)的實(shí)驗(yàn)研究。
　　最后，針對(duì)檢測(cè)速度和準(zhǔn)確度開展了CFAR和CNN相結(jié)合的艦船檢測(cè)算法研究。分析對(duì)比前面兩種艦船檢測(cè)方案的檢測(cè)結(jié)果，多線程多級(jí) CFAR算法檢測(cè)速度得到提升，CNN