海面重点舰船识别是目标检测领域重点方向之一。传统方法一般基于对遥感图像的处理来完成任务,然而现有的遥感图像监测技术往往受到各种设备性能(如图像分辨率等)、自然因素(如气候、海况等)以及人为因素(如保密性等)的制约,因此识别性能受限。此外,传统方法仅仅依赖于遥感图像单一信息,具有片面性,也是遥感目标识别技术实用化的一大阻碍。为了综合考虑各方面信息、提高识别精度,作为单纯依赖遥感图像技术的有效补充,本文借助于多种互联网文本、图像信息等公开知识,将它们进行有机的融合,设计了一种更为智能、有效的海面重点舰船识别系统。本文在借助互联网资源的基础上,结合聚焦网络爬虫技术,爬取与舰船主题相关的图像信息,研究面向重点舰船目标识别的近似最近邻查询方法。为减少近似最近邻查询方法在大范围图像检索过程中因硬编码导致的量化误差,改进乘积量化方法,提出一种基于重心坐标软编码的方法,降低了量化误差,让结果表示更接近于实际中的原始数据。本文的主要研究工作如下:(一)面向社交网络平台、新闻媒体网站等数据源,利用网络爬虫技术,提出一种针对图像的四层聚焦网络爬虫模型。根据特定的主题进行爬取,提高了数据过滤效果,为后续近似最近邻图像检索方法提供了图像数据集来源。(二)提出一种基于重心坐标乘积量化的图像检索(BCPQ)算法。把高维特征空间编码成稀疏表示,利用重心概念设定量化编码方式,有效地降低量化误差。(三)在前述的模型和算法基础上,设计并实现面向重点舰船目标识别的近似最近邻查询系统,并描述了各功能模块的设计细节。对于本文提出的模型和算法,在相应章节中进行了性能验证,实验结果表明提出的模型、算法以及设计并实现的系统是切实有效的,可以实践应用到军事及民用海面舰船目标识别领域中。