合成孔径雷达(Synthetic Aperture Radar,SAR)舰船目标检测技术被广泛应用于海洋军事目标跟踪、战场环境侦察、海上战略预警等领域,是现代信息化战争中赢得胜利的重要因素,对于该技术的研究已成为各国军事领域的前沿任务。因此,开展基于SAR图像的舰船目标检测技术的研究具有重要意义。复杂环境,如复杂海况区域、强杂波边缘环境、多目标环境等,传统SAR图像舰船检测方法的检测性能下降,本论文针对这一问题,开展了复杂环境SAR图像舰船检测关键技术研究。主要研究成果如下:(1)本文深入研究了SAR图像舰船检测预处理中的关键组成部分:斑点滤波,针对传统斑点噪声滤波方法存在的斑点噪声抑制与舰船目标边缘纹理保持之间的矛盾,将传统双边滤波器进行改进,提出了一种基于自适应截断统计特性的SAR图像双边滤波去噪算法,使用Terra SAR-X数据验证和评估了算法的性能,结果表明本算法在有效抑制斑点噪声的同时很好地保持了舰船目标的边缘和纹理信息,相比传统SAR图像斑点噪声抑制算法具有更优越的性能。(2)本文深入研究了恒虚警率(Constant False Alarm Rate,CFAR)舰船初筛算法的原理及流程,分析了各类常用的CFAR初筛算法,针对复杂环境下传统舰船CFAR方法初筛率不高的问题,提出了一种基于SAR图像的自适应截断杂波统计的可变性指数CFAR检测方法。该方法可有效提升复杂环境下舰船目标的初筛率,且初筛的虚警率较低。实验中使用高分三号SAR数据和Envisat-ASAR数据证明了该算法的有效性。(3)本文研究分析了各种常用的深度学习算法,并深入研究了基于深度学习的SAR图像舰船鉴别方法,将Faster R-CNN网络应用于SAR图像舰船鉴别。实验结果表明该方法可有效提高复杂环境下的舰船鉴别精度。(4)最后本文将深度学习与CFAR初筛方法动态结合,设计了一套复杂环境SAR图像舰船检测软件系统。并针对该系统的各个模块:预处理、舰船目标初筛、舰船参数提取和舰船目标鉴别,进行了相应功能展示。