随着合成孔径雷达(SAR)的成像技术不断提高,越来越多的学者将SAR图像应用于海洋舰船目标监测中。在对基于SAR图像的舰船目标监测过程中,舰船目标的检测及识别是我们需要解决的基本问题。统计模型是舰船目标检测的基础,它能够通过统计的方法描述SAR图像并说明图像的特点。本文首先分析了基于SAR图像的统计模型的发展现状,继而对目前经典的统计模型的基本原理及适用情况进行了说明,最后提出一种基于模型相似度拟合的海杂波统计方法,意在提高舰船检测方法的适用性。该算法首先根据合成孔径雷达(SAR)图像计算瑞利分布、对数正态分布、韦布尔分布、K分布、G0分布等五种经典的海杂波分布模型的概率密度函数,然后根据模型间的相似度准则拟合得到新的海杂波分布模型。实验部分利用四景不同类型的真实SAR数据对算法的拟合性能及检测性能进行了评价,结果显示利用该算法得到的拟合模型远优于其它分布模型,基于该拟合模型的恒虚警率舰船检测算法在控制虚警和漏检方面均优于采用其它模型的同类方法。在舰船目标识别阶段,利用真实SAR图像舰船样本数据库,使算法识别结果具有说服力,并提出基于集成学习算法的舰船目标识别算法。该算法首先提取了舰船在尺度与形状、亮度、纹理、不变矩等四方面共20种特征,并通过设计的集成学习识别器,输出最后的识别结果。该识别器能够将一组赋予权重的弱分类器组合起来,形成一个强大的决策识别器。实验部分利用SAR舰船识别数据库中货船、集装箱船及油轮3种典型的舰船类型样本对算法的识别性能进行评估,实验结果显示,该算法针对该SAR图像舰船样本的识别性能要优于SVM及KNN两种典型的识别器。