现如今,我国成熟的陆上安防监控技术已经走入了寻常百姓家,相比于我国广袤的陆上面积,在我国470多万平方公里的海域上建立海面的观测与监控同样重要。近年来卫星成像技术的快速发展,静止轨道高分辨率卫星分辨率的不断提高,使得对海面舰船进行长时间、大幅宽的观测与监控成为可能。在基于卷积神经网络的检测技术取得了良好的检测效果的今天,开展基于卷积神经网络目标检测技术的静轨卫星高分辨率光学遥感图像的运动舰船检测的研究,将在交通、救援和渔猎等等领域有着重大的意义。针对海面运动舰船检测方案的设计问题,本文通过对基于卷积神经网络的单阶段检测方法和双阶段检测方法的分析,分别研究了单阶段和双阶段的舰船检测方案,最后通过在舰船检测数据集上的对比试验,最终把检测效果更好的双阶段舰船检测方案定为本文研究方案。随后,从提升小目标舰船的检测效果的目标出发,针对双阶段检测方案在舰船检测应用中的不足,本文对方案的三个不足的部分展开了优化研究。首先,针对原特征提取网络对小目标过分下采样的问题,本文提出了使用能获得高分辨率特征图的特征提取网络HRNet来实现舰船特征提取的方法,并且通过基于HRNet的特征金字塔结构的设计,实现了在特征提取的过程中对舰船空间信息的保留;其次,针对研究数据中的舰船尺寸单一的问题,本文通过分析多尺度检测的适用性,从降低网络学习难度从而提高检测效果的角度出发提出了单尺度的舰船检测方法;最后,针对舰船目标特征提取困难导致分类不精准的问题,本文提出了一种目标局部上下文特征提取的方法,通过对浅层上下文特征与深度上下文特征的联合使用去增强分类特征,提升了检测效果。通过这三点优化,实现了将舰船检测的mAP提高到0.9以上的良好检测效果。最后,本文研究了舰船运动状态估计问题。通过分析静轨卫星多通道分时成像的机理,运用各个通道之间的成像时间差以及其影像的微小位移,提出了一种舰船运动状态估计方法。然后通过对影像质量的分析,提出了使用正射校正技术去改善卫星成像造成的几何畸变,并使用舰船超分辨率技术去解决舰船影像分辨率不足的问题。通过这两方面的优化,最终实现了较小误差的对运动舰船进行运动状态估计。