本文以具有陆地、港口、海岛、低亮度、薄云层和薄雾遮挡为背景的船舶卫星遥感图像为研究对象,针对复杂背景下的卫星遥感图像船舶目标识别准确率低的问题,基于卷积神经网络的单次多框检测器(Single Shot multibox Detector,SSD)在遥感图像的目标检测识别中的突出表现,采用理论分析和模型实验等研究手段,揭示了在复杂背景下船舶目标识别率低的原因,改进了图像预处理的流程,提出了上下文特征图融合的改进SSD卷积神经网络模型(Improved SSD-ISSD),建立了基于显著图的并联ISSD卷积神经网络模型。主要研究内容如下:(1)对比分析经典算法的优缺点,选取SSD算法作为本文算法的基础。对遥感图像进行预处理,去除陆地、港口和海岛等复杂背景的干扰,得到船舶卫星遥感图像数据集。(2)针对遥感图像中船舶目标较小识别效果较差的问题,给出了一种改进的SSD检测算法,在选取深度残差网络Resnet152改善网络退化的同时,引入轻量级SE模块提升图像特征的敏感性,通过融合特征图来检测小目标,仿真表明ISSD相比SSD具有更高的识别准确率。(3)针对卫星遥感图像云层、雾天条件下船舶目标的识别准确率低的问题,提出了一种将图像的显著图与对应的图像特征进行融合的并联ISSD算法,仿真结果表明该算法可有效提升在低亮度、薄云层和薄雾遮挡下小目标的识别率。