随着无人机在船只定位及渔业活动监管方面的广泛应用，航拍图像数据量不断扩大。如何从这些航拍大数据图像中高效准确的识别出船只并对其进行定位，成为工业处理过程中迫切的需求。本文针对其中的若干关键问题做了研究，主要做了以下工作：针对海面模板选择问题，提出一种海面模板自动选择模型。本文选取了不同海域、不同气候条件、不同时间段以及不同光照条件的海面图像来构建海面模板库。模板库内模板图像，不仅代表海域的基本信息，而且还决定了海面背景与前景的特征阈值。针对海面背景模型构建问题，提出使用区域自动生长算法生成背景Trimap。通过使用根据待检测图像的自身特征选择出来的海面模板，自动的提供了种子点信息，解决了人工提供的种子点的随机性、不确定性以及对整体海面的弱描述性。针对海面背景获取问题，提出了基于背景模型的改进Grabcut算法。使用背景Trimap对Grabcut算法进行初始化，解决了批量处理大数据图像过程中需要人工提供初始矩形的问题。同时对于分割的过程，不需要多次迭代过程便可实现背景与前景的准确分离，提高了Grabcut算法在工业应用处理中的处理速度以及效率。针对候选域分类问题，提出了基于候选域的船只识别模型。对于使用改进Grabcut算法分割后的结果图像，根据船只形状特征对候选域进行分类，并对单连通候选域像素面积阈值进行过滤，实现船只的识别。对于有识别船只种类的需求，可以通过构建船只类别库，与候选域进行比对，实现对候选域准确的分类。综上所述，本文提出了一种改进的船只识别的方法，相比于直接构建分类库进行训练识别的方法在精度上有较大提升，相比于直接使用图像分割的识别结果也有一定改进，是一种可以应用于工业批量对航拍图像进行船只识别的算法。