红外图像反映的是场景中目标和背景的红外热辐射分布。由于红外探测器自身固有的特性和恶劣外界环境成像条件，与可见光图像相比，红外图像中的信息不像光学图像那样直观明确，且普遍存在目标与背景对比度差、图像边缘模糊(由于目标与背景之间的热对流)、图像噪声大等特点。本课题选择了红外图像ATR技术中两个基本而又关键的问题作为研究的主要方向，即低信噪比红外目标图像的预处理与分割。本文研究成果如下： 1.提出了一种基于小波前向后向扩散的红外图像降噪与边缘增强算法。该算法在继承了小波扩散迭代降噪与边缘保持特性的基础上，利用小波模值与局部奇异性测度的联合概率分布对边缘映射进行初步估计，结合几何约束进行修正，获得更加准确的边缘映射。同时在扩散过程中引入前向后向扩散思想，提出了小波前向后向扩散方法，在降噪的同时增强了红外图像的边缘。 2.提出一种基于非下采样Contourlet自适应扩散滤波的红外图像降噪算法。该算法基于具有平移不变性的多尺度几何分析方法——非下采样Contourlet变换。首先对红外图像进行多尺度非下采样金字塔分解，采用本文提出的基于非一致性测度的自适应扩散滤波处理各非下采样金子塔带通图像层，在降噪的同时保留图像的边缘细节信息。为了进一步消除图像噪声，采用非下采样方向滤波器组对扩散滤波后的各非下采样金字塔层图像进行多方向性分解，对分解后的非下采样Contourlet系数进行基于尺度相关性的阈值处理，最终在实现红外图像降噪的同时获得良好的视觉效果。 3.提出了一种基于广义混沌混合PSO的快速红外图像分割算法。二维模糊划分最大熵分割方法不仅利用了灰度信息以及空间邻域信息，而且兼顾了图像自身的模糊性，能取得较为满意的分割结果，实质上是一种具有搜索空间大、多局部极值点的典型整数规划问题。广义混沌混合PSO算法在广义PSO算法的基础上，引入自适应平衡搜索。当算法发生停滞时，引入模拟退火机制有选择的对当前全局最优解进行混沌优化，在增强局部搜索能力的同时能够克服早熟收敛现象，实现红外图像的快速、有效分割。 4.提出了一种基于小波多尺度改进Chan-Vese模型的红外图像分割算法。首先，利用小波多尺度分析的良好信噪分离性能提取红外图像的有效边缘信息，将边缘信息添加到Chan-Vese模型的能量函数中从而提高模型的局部控制能力。同时增加内部变形能量项，约束水平集函数逼近符号距离函数，避免了水平集函数的重新初始化过程，改进了Chan-Vese模型。然后，从小波变换的顶层低频子带图像开始逐层采用改进的Chan-Vese模型分割图像，并将分割结果通过插值方式传递至下一层作为分割的初始轮廓，最终实现红外图像的分割，具有抗噪性能强和运算速度快的特点。 5.提出了一种新颖的基于KPCA联合并联抑制神经网络变换的红外目标识别算法。该算法直接从红外图像提取特征进行分类识别，无须图像分割过程。联合神经网络变换集成了KPCA的KHA学习机制与神经网络误差反传机制，使得KPCA与并联抑制神经网络分类器有机的结合起来，通过监督学习的方式引入类别信息，能够在实现数据有效降维的同时，优化主元特征的提取，从而提高算法的分类识别性能。