随着光谱探测技术的发展，基于图像处理的目标检测识别系统被广泛的使用在安保预警，海面救援，港口船只检测等方面。在复杂的成像背景条件下，探测系统如何自主的发现目标、检测识别目标、进而跟踪目标，是我们研究的主要方向。尤其是在海空复杂背景环境下，如何在低信噪比的海天噪声中完成对远处小目标的检测与提取，一直是目标检测中亟待解决和优化的课题。
自从1807年傅里叶提出并倡议用傅里叶变换、反变换研究函数以来，傅里叶变换就是分析函数的最有力的工具之一，利用傅里叶变换研究图像性质也是一种常用方法。随着科技的日益进步，人们逐渐发现傅里叶变换的不足，因为傅里叶变换不能保证所有的周期函数都能用收敛的傅里叶级数表示，傅里叶变换反映的是频域和时域的整体基本信息，而不是人们更关心的局部信息，同时利用傅里叶变换分析数据的通常做法是将时域信号或空间信号的频谱计算出来，如果在频域上存在明显的峰，则可以断言峰值频率对应的特征为主要特征。近年来，一种比傅里叶变换更有特点的数学工具受到人们的重视，这就是小波分析(Wavelet Analysis)。傅里叶变换是以三角函数为基底展开的，与之对应，小波变换(Wavelet Transformation，WT)是以局部化函数所形成一组相似函数集为基底而展开的。小波分析理论和方法在数学上不断突破，克服了傅里叶变换在单分辨率上的不足，具有多分辨率分析的特征，在时域和频域都有表征信号局部信息的能力，广泛应用于各个时频分析的领域，被认为是泛函分析、傅里叶分析和调和分析的完美整合，在图像处理领域已经取得了十分突出的应用，主要包含图像数据压缩、图像拼接配准、边缘提取等方面的应用。实验结果表明，在一些情况下，小波变换要优于傅里叶变换、离散余弦变换等类型正交变换。
本课题即是研究基于小波变换的红外图像海天线检测方法，以实现准确检测海空背景下小目标提供潜在区域。
1.2  国内外研究现状
1.3  本文主要工作
在海空复杂背景中如何去除海杂波以及云层的影响，快速的检测、识别红外小目标是红外图像处理邻域中的难题。在海面远距离平视的状态下，红外图像一般分为三个区域：海面区域、天空区域和海天线区域。远方小目标多存在于海天线附近的区域中。针对上述特点，通过精确确定海天线区域，可以大幅减少执行目标分割时的计算量，还可以抑制海天线区域外不必要的噪声干扰。因此海天线的检测在海空背景下的目标检测中具有重要的意义。
第一章，介绍论文的研究背景以及小波理论的研究现状等；
第二章，介绍小波分析算法的基本原理极其相关应用；
第三章，介绍海天线检测的相关算法以及其他算法的相关优缺点；结合海空背景下的红外图像中的海天线检测效果比较小波分解算法与其他检测算法的优劣，分析其各算法的检测效果及特点；
第四章，介绍MATLAB软件，并通过MATLAB进行仿真实验，最终得出实验结果。
 
 2  小波分析基本理论
小波变换是傅里叶变换的进一步拓展。在有限宽度的范围内，小波变换可以进行正交或非正交的变换。人们研究的信号一般都是连续的，但是需要将信号离散化后，才能进行相关处理。 基于小波变换的红外图像海天线检测算法研究(2):http://www.youerw.com/tongxin/lunwen_22214.html