目标探测(TargetDetection)也称目标检测，就是找出图像中潜伏目标存在区域的位置。目标探测是自动目标识别(AutomaticTargetRecognition,ATR)系统中重要的环节。自动目标识别技术要求在复杂的自然场景中实时地探测目标、识别目标及其要害部位，以提高精确制导武器的智能化程度与命中精度，是当今世界军事科技的热门课题之一。本文在中国科学院国防科技创新基金课题支持下，对分形理论及其在自动目标探测中的应用进行了深入的研究。 分析了自动目标识别技术的研究现状，综述了分形理论及其在自动目标探测中应用的发展现状。 根据实际应用背景深入研究了分形布朗随机函数的方向特性。定义了一种有向分形维数并给出了基于方向变形邻域的有向分维参数的计算方法，讨论了有向分形布朗随机函数的完备性，分析了有向分维在目标探测中和传统分维相比的优点。根据有向分维的计算和海面运动目标成像特性，提出了一种基于有向分维的海面运动目标自动探测算法。对有向分维参数在目标探测中的应用进行了展望。 讨论了基于分形的自动目标探测算法的效率问题，分析了树形结构搜索算法的实现过程。提出了一种结合树形结构和分形特性的自动目标探测方法，该方法和传统方法相比，可以提高目标探测算法的效率。 研究了分形与小波的结合问题，包括基于小波分解的分形维数计算、基于小波分解的多重分形谱应用和对小波分解子图像进行分形维数计算的问题。分析了海空背景下远距离小目标探测的特点，提出了一种基于小波分解和分形特性的水天线探测和目标探测方法。该方法和传统的基于分形特性的目标探测方法相比，在水天线探测性能和算法效率两个方面具有优势。 研究了分形维数计算的功率谱方法，分析了在分形维数计算过程中出现的“边界效应”问题，提出了利用以二维Parzon窗函数为例的空间滤波器抑制“边界效应”带来负面影响的方法。通过利用随机中点法生成的分形信号，验证了Parzon窗函数滤波对于分形维数计算的影响。结合实际应用，提出了一种结合Parzon窗函数滤波分维计算的自动目标探测方法，实验表明该方法适用于块状目标的自动探测。讨论了求取分形维数时窗口大小选择问题，对同类问题的研究具有参考价值。 研究了表征自然纹理特性的分形特征的提取方法，利用BP神经网络来设计分类器，从Brodatz纹理图像库中选择不同的纹理图像用于实验测试，分析了应用不同特征时分类器的性能，提出了一种纹理特征性能的比较方法。采用相应的特征选取与组合方法，能够有效地提高分类的正确率。借助分形特征和聚类算法，实现了图像的有效分割。