海面目标检测是雷达信号处理中的重要内容，在**、民用领域内都有重要应用价值。在海面目标雷达信号处理中，海杂波的存在对检测算法的性能有很大影响，传统的雷达信号处理方法多基于统计理论，对于复杂环境条件和多样的目标特性检测性能下降明显。近年来深度学习技术发展迅速，为可靠的海面目标的检测方法提供了技术支持。本文对近年来目标检测算法、深度学习方法的发展进行总结，从雷达信号数据结构和维度出发，采用深度学习理论，分别提出了基于二维图像、三维视频雷达信号、多维雷达信号多通道融合的智能处理框架，并以导航雷达图像海上目标智能检测为例，提出一种Precise ROI ?Faster R ?CNN 雷达图像检测算法，通过构建的导航雷达数据集训练和测试，相比经典恒虚警检测和Faster R?CNN 检测方法有更高的检测精确度和更好的泛化能力，从而为对海雷达智能导航和目标检测提供了有效的技术途径。

以海上目标的红外、可见光图像为数据源, 针对海上目标尺度多样、数据源多波段信息丰富的特点, 基于 YOLOv3原型网络架构, 根据 FPN原理将 4倍降采样获取的第 11层底层特征图与第 103层深层特征图进行融合, 实现对网络尺度的扩展, 并通过 K-means聚类算法得到更为精细化尺度下的先验框; 同时将红外、可见光图像根据目标特点按比例进行组合, 形成图像源的物理层融合, 进而构建混合数据集进行多波段协同模型训练。实验结果表明, S4-YOLO网络模型其识别的准确率高于 YOLOv3、YOLOv3-Tiny模型, 可以很好地适应海上多尺度目标的识别需求。

针对海上目标红外图像采集工作中硬件噪声与海面背景杂波带来的影响,以海上无人船视频导航避障系统为背景,对海上红外目标跟踪工作系统噪声进行分析,设计了一种相关去噪算法,完成了系统建模,并对参数进行了改进。然后对海上红外视频进行逐帧采样,对采样所得红外图像序列进行滤波,将滤波前后跟踪位置与目标真实位置的中心坐标进行对比,最后将本文算法处理结果与其他类似算法进行对比。实验结果表明,本文算法滤波后跟踪位置与真实位置基本重合,捕获率高于98%,跟踪误差小于1 mrad,相对于类似滤波算法,信噪比提升了10 dB。

目前海上目标检测已在民用和**领域得到广泛的应用。由于海水波动大、目标成像面积少、特征不显著等特点增大了目标检测难度，为了消除上述的问题，首先提出了一种基于混合高斯-马尔科夫随机场目标检测模型，该模型利用所提出的混合高斯模型自适应调节学习率来抑制动态背景的干扰。然后，利用混合高斯模型对红外图像所计算的结果作为马尔科夫随机场的观测值，建立了马尔科夫随机场模型，可以解决混合高斯模型存在的不足。实验结果表明，本文的方法能够取得良好的检测效果。

针对海上移动目标的监视需求,分析实时检测系统的技术要求,提出了一种利用视频卫星图像实时检测海上目标的方法。采用机器学习和图像滤波技术,研究了基于支持向量机的海陆分割、基于自适应滤波的目标粗检测和基于AdaBoost的目标精检测等算法,使用某视频卫星图像对方法进行验证,结果表明该方法能够实现海上目标的检测功能和实时检测系统的技术要求。

大型海上目标主要是指排水量在8×106 kg以上的军用水面舰船，其中又以 航空母舰为典型代表。介绍了航空母舰的红外辐射特征。基于搭载在同步卫星上的红外探测 器和安装在大型货轮上的标准集装箱结构，提出了实现大型海上目标红外辐射特征仿真测试系统 设计和应用的构想。

光谱成像可同时获得光谱和空间信息,这使得光谱成像技术在解决复杂海洋环境背景下目标探测与识别时表现出独特的优势,已成为光电目标检测领域的一个前沿研究方向。对光谱成像技术的原理、特点进行了讨论并重点列举了该技术在探测领域的应用;介绍了光谱成像技术在海上目标探测识别中的研究进展,并对光谱成像技术在该领域的应用价值进行了探讨。

利用固定发射率的红外隐身涂料无法实现全天候舰船红外隐身。以小于0.04的目标与背景的辐射对比度作为红外隐身的评判标准，通过计算分析目标与背景的红外特征模型，得到了实现红外隐身所需的目标表面发射率变化范围，提出利用电致变色材料来改变目标表面的平均发射率。与固定发射率的普通红外隐身涂料相比，改变发射率后的红外隐身涂料的隐身效率有了很大的改善，基本能满足目标的全天候红外隐身要求。

通过分析光电观察系统的使用方法、工作过程以及对海上目标作用距离的影响因素,探讨了使用探测距离、识别距离和辨识距离等三项测量指标作为评价成像系统作用距离性能的合理性,研究了成像系统对海上目标作用距离测试方法和数据处理方法。