自动目标识别技术是工业机器视觉和武器制导系统的关键技术之一.40多年来,对这项技术进行了广泛而深入的研究,各种面向复杂应用背景的ATR系统也不断涌现.但由于该研究领域的复杂性和特殊性,使得多数利用特征匹配的传统目标识别方法无法取得令人满意的效果.小波分析因其良好的时频局部化特性,已经成为信号处理和图像分析系统中的有效工具;不变矩的抗噪性和相对于目标几何变换的数值稳定性,使其被广泛使用在各种目标识别系统中;另一方面,研究发现即使是相当低级的哺乳动物,其对于视频景象的辨别能力也远远优于当前的任何一种ATR技术.因此,研究融合小波分析的多尺度局部分析能力、矩特征的抗噪性、不变性以及神经网络的知识获取、知识综合和并行高效的数据处理能力的新型ATR技术,可望为自动目标识别技术的发展提供有益的思路.本论文的工作主要围绕小波分析和小波神经网络在自动目标识别技术中的研究展开,论文的研究重点包括:目标区域的小波不变矩特征提取及其不变性研究、小波基函数对小波不变矩特征的影响、多尺度目标分类算法、多尺度小波变换域内矩特征的快速算法和小波神经网络在目标识别中的研究等方面.另外,对几何矩的快速算法和小波变换的不变性也作了探讨,提出了一种基于图像边界的矩快速算法和一种具有平移、尺度和旋转不变性的小波变换.