针对尺度不变特征变换（SIFT）算法配准可见光和合成孔径雷达（SAR）图像时性能较差的问题，提出了一种基于改进光学-SAR图像的SIFT（OS-SIFT）可见光和SAR图像配准算法。首先，利用非线性扩散滤波构建可见光和SAR图像的非线性扩散尺度空间，并采用多尺度Sobel算子和多尺度指数加权均值比算子分别计算可见光和SAR图像的一致性梯度信息。然后，用图像分块策略剔除尺度空间第一层后对尺度空间进行分块，在一致性梯度信息的基础上提取Harris特征点，得到稳定且均匀的点特征。基于梯度位置和方向直方图模板构建描述符并对其进行归一化处理，以克服影像间的非线性辐射差异。最后，利用欧氏距离进行特征匹配，并采用快速抽样一致性算法剔除误匹配。实验结果表明，相比联合位置、尺度和方向的SIFT算法和OS-SIFT算法，本算法的匹配率有明显提高，均方根误差也相对较低。

针对Faster R-CNN算法检测舰船目标存在的不足,提出基于深度特征金字塔和级联检测器的舰船检测算法。先利用小目标数据增强算法对数据进行扩充,使检测模型学习足够的特征;再使用深度特征金字塔网络改进原目标检测算法的特征提取网络,抑制相干斑噪声,有效提取舰船特征;并根据合成孔径雷达(SAR)图像中舰船目标稀疏的特点使用级联结构调整网络。基于上述改进,选取舰船目标检测数据集中部分图像及2月份渤海湾的SAR图像进行实验,实验结果表明:所提算法均取得了良好的检测效果,证明了所提算法的有效性。

针对传统舰船检测算法难以适应复杂多变的海洋杂波环境,无法实现智能舰船检测的问题,提出了一种改进的基于区域全卷积网络(R-FCN)的检测方法。针对合成孔径雷达(SAR)图像的特点,对R-FCN中的特征提取网络ResNet进行混合尺度卷积核处理,使特征提取网络能够抑制相干斑噪声的影响,有效提取舰船特征。选取高分辨率GF-3与低分辨Sentinel-1卫星SAR图像进行测试,均取得了良好的检测效果,证明了本文算法的有效性。