基于遥感图像的舰船检测算法,在军事目标监控、港口交通情况监控、渔业管理等多个方面都具有重要的意义,受到人们的广泛关注。但是当前,针对高分辨率光学遥感图像的港口舰船检测算法还面临着下面这些问题:(1)大视场的光学图像中场景非常复杂,存在许多干扰,且图像质量受天气等因素影响,容易出现很多虚警。(2)高分辨率情况下舰船目标与港口附近码头、建筑等人工设施在灰度和形状方面非常相似,难以区分。(3)遥感图像中舰船目标多样,类间差异比较大,而且方向和尺度也比较多样。针对上面几个问题,本文提出了一种基于稀疏表达的港口舰船目标检测算法,主要工作包括:(1)针对现有海陆分割算法在高分辨率光学遥感图像中效果不佳的问题,提出了一种基于多尺度积分图重建的海陆分割算法。设计了积分图的快速计算方法,能够快速的通过积分图重建描述图像中的纹理信息。并且使用多尺度因子,通过多尺度的积分图分析,实现由粗到细的精确分割。(2)提出了一种基于稀疏表达的候选区提取方法。首先使用PCANet提取层次化的特征描述,然后基于稀疏表达思想,针对图像中舰船目标的多样性,设计了多尺度和多方向的嵌入型字典,通过字典学习从有限的训练样本中学习到重建性和判别性都比较好的稀疏字典,能够有效的提取图像中各种尺度和方向的候选目标区域。(3)使用基于稀疏表达的分类方法对上面得到的候选区域进行进一步的筛选确认,过滤虚警。设计了具有判别性的字典,并使用Label Consistent K-SVD方法进行判别性字典的学习,使用判别性字典得到的编码,在同一类别目标时能够获得一致性较强的稀疏编码,且对于不同类别的目标和背景则表现出较大的差异,能够很好的提升目标分类的准确性。