背景资料：

随着遥感信息科学的迅猛发展，遥感技术作为一门综合性的技术被广泛应用于军用、民用的各领域，在陆地资源调查、海洋勘探、军事侦察、打击分析和评估等方面发挥着重要的作用。而在遥感图像中，海洋占据绝大部分，所以对海上的舰船检测识别就显得尤为重要。而同时，随着科技的不断发展，遥感图像的分辨率也是逐渐的提高，所以在高分遥感图像中，对遥感图像中的舰船目标检测并识别出不同的种类受到人们越来越多的重视。比如在军事领域方面，舰载侦察机、无人侦察机等平台上通常会获取到大量的侦察遥感图像，从侦查影像里提取有用的各种敌方或者我方舰船信息，并形成有价值的图像情报，在军事作战分析领域发挥着重要的作用；民用方面，舰船的检测和识别可以对海上船的位置进行监控，方便海上搜救、走私船搜索以及海域监控等。因此，如何实现对遥感图像中的舰船信息进行检测和识别，进而对我们军事和民事方面都产生有效的作用，是当前的的重要问题。

对遥感图像的舰船进行检测和识别的主要问题在于，遥感图像是俯瞰图，而且有高复杂度的背景信息，并且遥感图像中的物体的比例、方向和密集度都有着很大的自由度，所以现在成熟并且高效的检测算法（比如faster R-CNN）应用在遥感图像上并不能发挥很好的作用。所以在检测阶段就需要找到一种方法可以高效地检测在复杂的遥感影像中的小的物体、任意方向的物体和密集的物体。比如在一个港口处，图像中包含的信息很多，可能有渔船、民用船、军用舰船等各种类别的舰船密集在一起，并且舰船停放的方向也都是任意的，这就需要能够将它们合理地用框标注区分开来。

目的及意义：

本文的研究目的在于吸收和借鉴目前已有的对遥感图像的舰船目标检测和识别的方法，提出一种新的改进的基于卷积神将网络的遥感图像中舰船的检测和识别的方法，使检测结果更高效。

本文的设计意义：

对遥感图像中舰船的检测和识别的应用十分广泛，在监视海运交通、维护海洋权益、提高海防预警能力等方面有着广阔的应用前景，可用于对特定海域、海湾和港口的水运交通、遇难船只救助、非法捕鱼、非法走私、舰船非法倾倒油污等方面的监测和管理。

而基于卷积神经网络的遥感图像舰船检测和识别算法研究，能够在多方面发挥重要作用。首先它是基于计算机视觉方面的，以计算机来对图像进行识别，其次利用深度学习的卷积神经网络，更是最近较为火热的人工智能方向，促进各方向的发展。在社会效益方面，对图像舰船的检测更是能为社会带来很大的益处。比如在海洋检测中心，可以使用该方法实时检测某一片海域的航运情况，实时统计舰船流量和舰船类型，也能够检测外来舰船，来保障海域的完整与安全。

国内外研究现状：

国内研究现状：