自动目标识别(Automatic Target Recognition,ATR)技术是军事、工业机器视觉等领域的关键技术之一。这项技术受到了广泛关注并取得了许多新的进展，涌现出很多新理论、新方法。但由于该领域的复杂性和特殊性，使得多数传统的自动目标识别方法无法取得令人满意的效果。多尺度几何分析是近几年来国际上兴起的研究热点，由于它具有多方向选择性和各向异性，是获得图像稀疏表示的必要条件，具有这两种特性的变换能更有效地表示图像的边缘和纹理等几何特征，符合视觉系统的特性。有研究表明，即使是相当低级的哺乳动物，对于视频景象的辨别能力也远远优于任何一种ATR技术。因此，融合多尺度几何分析的多分辨性、多方向性和各向异性的图像降噪和纹理特征提取方法，可望为自动目标识别技术的发展提供有益的新思路，对图像ATR技术研究的深入发展有重要的理论意义和实用价值。　　 本论文的工作主要围绕自动目标识别系统中的几个关键技术展开，研究重点为多尺度分析框架下的图像降噪、纹理图像特征提取和基于轮廓波特征提取的小波神经网络分类。　　 本论文的主要研究内容和创新性工作包括：　　 1、图像降噪；论文研究分析了高斯加性噪声在小波域的分解特性。根据噪声在小波域的特性，提出了一种基于噪声强度和小波分解级数自动调整阈值的降噪方法，该算法明显优于目前大多数文献中报道的降噪算法，而且运算方法简单。　　 2、在第二代小波的基础上，提出了一种具有方向性的提升机制的二代小波降噪方法。通过对方向的预测使得提升机制中预测部分得到的结果更为准确，小波分解的系数方差比普通提升机制分解系数方差更小。由于具有方向性的提升机制可以得到更小的小波分解系数方差，因此在降噪过程中，对于边缘部分的降噪效果更好。　　 3、利用轮廓波分解多层次和多方向的特点，提出了一种基于轮廓波和隐马尔可夫模型相结合的图像降噪算法。与具有方向性的提升机制不同，轮廓波并不需要估算局部图像的方向性，而是在各个方向对图像进行滤波，得到不同层次，不同方向的分解系数。利用马尔可夫模型的经验系数模型，在轮廓波分解中可以很好地降低图像噪声的干扰。　　 4、具有旋转不变性的纹理图像特征提取及识别的研究。虽然小波分解不具备旋转不变性，但是轮廓波却能很好地提取图像中的方向信息。利用轮廓波与可控滤波器的结合，提出了一种基于轮廓波分解的具有旋转不变性的纹理特征提取方法。该方法对纹理及旋转纹理图像的识别的效果较好。　　 5、研究了小波神经网络与小波分析在模式识别方面的应用，通过提取目标的边缘轮廓信息，结合小波神经网络的学习算法，提出了一种基于轮廓波特征提取的小波神经网络目标分类算法。该算法能够克服噪声的干扰，提取目标图像的特征，实验证明该算法对含有噪声的图像具有良好的识别分类能力。