对于图像中低信噪比小目标的检测与跟踪问题的研究,起源于远距离搜索与监视。在这些应用中,目标距传感器较远,它们在传感器中的成像为小目标,相对于背景噪声而言,目标强度较弱,甚至被噪声所淹没。由于没有形状、大小、纹理等特征,无法利用传统的图像处理技术。因此低信噪比情况下点目标检测便成为卫星遥测、防空预警以及深空制导等领域信息处理中的核心技术。目前低信噪比小目标检测算法的发展趋势是检测性能好,算法简单,易于硬件实时实现。本论文研究弱小目标的检测与跟踪技术,它以下列研究课题为背景:国防重点实验室武器装备预研基金项目-图像信息处理与特征提取的新变换技术研究。本论文着重研究基于小波变换的弱小目标检测新方法。小波分析是一个新的数学工具,它是对人们熟知的傅立叶变换与短时(窗口)傅立叶变换的一个重大突破,是20世纪公认的最辉煌的科学成就之一。本文针对实际应用阐述了小波变换与多尺度分析的若干具体问题,为小波理论的实际应用做出了有意义的探索。本文着重研究了小波变换在弱小目标检测中的应用,主要讨论了小目标图像的滤波、消噪和小目标检测方面的应用,并提出了一系列实用的快速算法。在图像滤波方面,传统的低通滤波方法在滤除图像高频成分的同时,破坏了图像的某些细节。利用小波变换这种崭新的分析工具既能消除图像噪声,又能保持图像细节。本文从理论上分析了小波滤波器特性,提出了一种适合弱小目标图像的快速滤波方法。实验方面,该方法能很好的保留图像中的小目标信息,且去噪效果好。在弱小目标检测方面,传统的分析工具由于时频局部化功能较差,对图像的细节往往难以表现,小波变换在这方面有较强的优势。本文利用小波变换的时频局部化特点,将小波变换用于检测图像中的弱小目标,并提出两种由粗到精的弱小目标快速检测方法。实验结果表明,这两种方法都具有很好的检测效果。