1.2 本文主要内容在基于红外图像的识别过程中，一般需要经过图像获取，红外图像预处理，特征提取，分类决策等过程。这些过程中，特征提取是至关重要的一环，因为后续工作的进行都是建立在特征提取是否可靠，特征提取的结果越准确，将越有利于检测等其他工作的进行。因此，本文研究一种基于自适应核回归方法进行特征提取的红外检测方法，该方法能够实现形态变化下的红外目标的鲁棒检测。本文第一章主要介绍了红外成像的基本原理，以及特有的优点，显示了红外图像处理的广阔前景和研究意义。第二章主要介绍了有关红外图像的基本特征，以及红外目标检测研究发展的现状，介绍了现阶段国内外红外目标识别的一般思路。以便于在此知识基础和发展背景下更好地对红外目标检测的方法有更进一步的改进和发展。第三章介绍了一般的特征提取方法，将本文所研究的 LARK 算法与其他算法进行比较，重点介绍了 LARK 的原理和计算过程。第四章通过具体的目标图片检测，展示了将多张示例图片做成包含非相似特征结构的模板集，然后统计目标图像固定窗口大小下含有与示例图片中相似特征结构的数量，数量越多那么就和模板集代表的目标越相似的过程。该方法经测试，具有很好的识别效果。 基于局部LARK的红外目标检测(2):http://www.youerw.com/wuli/lunwen_28839.html