在信息时代下,全面获取敌对势力军事情报,实时高效进行军事判读,是未来战争制胜的重要手段。舰船作为重要的海上作战工具,统计各国舰船的型号数量,监视各港口动态,能够提前预测作战意图,定位舰船目标部署位置,作战部队能够精确打击目标,因此,研究舰船目标的检测与识别,提高情报获取效性,具有重大战略意义。遥感影像作为重要情报获取手段,被广泛应用于情报侦察领域,本文以遥感影像港口情报分析为应用背景,围绕港口近岸舰船检测识别问题展开研究。本文的研究工作包含以下三个方向:一、基于集成学习和语义分割方法对海陆进行分离,由于近岸舰船的纹理、灰度与地物十分相似,这类舰船提取非常困难,虚警率较高。该步骤集成多个语义分割模型,对大幅遥感影像进行海陆分割,剔除陆地误检目标,既能够降低虚警率,又能够去除大幅遥感影像中陆地区域,减少检测区域,提高检测效率。二、针对基于候选区域的目标检测算法速度较慢问题,本文提出一种端到端的舰船检测方法,该方法不考虑候选框提取,将对象检测问题转化为回归问题,能够快速提取目标。由于港口舰船尺度多样,小目标检测困难,本文还引入特征金字塔网络,提取多层特征图进行检测,改善小目标检测效果,并增强尺度变化的鲁棒性。三、研究舰船目标识别技术,战场态势瞬息万变,为了快速识别舰船目标,本文采用二值神经网络进行目标分类任务,相比传统神经网络,二值神经网络在速度上有着极大提高。基于以上研究,本文设计并实现了港口情报分析系统,并对其进行测试,实验结果表明该系统能够实时处理大幅遥感影像,实现了舰船目标高效、精准、快速检测识别。