1.一种基于背景抑制与多尺度局部熵的红外弱小目标检测方法，其特征在于：包括以下步骤：步骤1：输入一幅待检测的红外图像I；步骤2：将输入的图像I转换为灰度图像并进行归一化处理,得到图像I in ；步骤3：通过以下步骤进行背景抑制：步骤3.1：采用导向图滤波器，对归一化后的红外图像I in 进行滤波，得到滤波之后的类背景图像I B ；步骤3.2：将归一化后的红外图像I in 与滤波之后得到的类背景图像I B 进行差分，得到背景抑制后的图像I BS ；步骤4：通过以下步骤计算多尺度局部熵：步骤4.1：选取窗口尺度为m的窗口对归一化后的红外图像I in 进行局部熵运算；步骤4.2：用计算得到的局部熵代替窗口中心像素的值，得到窗口尺度为m的局部熵权值图W m ；步骤4.1至4.2得到窗口尺度为m的局部熵权值图W m 的过程为：首先选取窗口尺度为m的窗口对归一化后的红外图像I in 从上到下、从左到右进行窗口移动：若图像I in 的大小为M×N，将像素点(x,y)的邻域定义为：θ m ＝{(p,q)|max(|p-x|,|q-y|)≤m},m＝1,2,……,L其中m,L均为正整数，m表示窗口的尺度大小，(p,q)表示像素点(x,y)的邻域中像素点的坐标位置；然后计算像素点(x,y)邻域的局部熵，窗口尺度为m时像素点(x,y)邻域局部熵的定义为：其中D表示在窗口尺度为m时，邻域θ m 中包含D种灰度值，第i种灰度值为f i ，i＝1,2,...,D，f(x,y)表示像素点(x,y)对应的灰度值， p i 是概率密度函数,n i 为第i种灰度值的像素个数；步骤4.3：改变窗口尺度m的取值，重复步骤4.1和步骤4.2，得到不同窗口尺度下的局部熵权值图；步骤4.4：对于局部熵权值图的某一像素位置，取所有局部熵权值图中在该像素位置处的最大值，组成最终的局部熵权值图I LE ；步骤5：对背景抑制后的图像I BS 与局部熵显著图I LE 进行相乘，得到红外小目标的显著图S；步骤6：通过以下过程进行目标检测：步骤6.1：利用Susan滤波器对显著图S进行滤波得到图像I out ；步骤6.2：去除图像I out 中的孤立噪声点后，得到图像I out 中的非零区域即为小目标区域。
2.根据权利要求1所述一种基于背景抑制与多尺度局部熵的红外弱小目标检测方法，其特征在于：步骤3.1中采用导向图滤波器，对归一化后的红外图像I in 进行滤波，得到滤波之后的类背景图像I B 的具体过程为：用导向图滤波器对归一化后的红外图像I in 进行滤波，得到背景图像：I Bw ＝I in *F w ,w＝w 1 ,w 2 ,……,w l其中,l是整数，w表示窗口大小，F w 表示窗口大小为w时的导向图滤波器,*表示滤波运算；接着改变窗口大小重复滤波操作，得到多个背景图像；最后对多个背景图像取平均值得到最终的类背景图像I B ： 。
3.根据权利要求1所述一种基于背景抑制与多尺度局部熵的红外弱小目标检测方法，其特征在于：步骤5中对背景抑制后的图像I BS 与局部熵显著图I LE 进行相乘，得到红外小目标的显著图S的具体过程为：首先将点(x,y)处显著图的值表示为：S(x,y)＝I BS (x,y)×I LE (x,y)其中I LE (x,y)表示像素点(x,y)的多尺度局部熵权值，I BS (x,y)表示像素点(x,y)背景抑制后的值，S(x,y)表示像素点(x,y)红外小目标的显著图的值；其次将显著图中小于零的值置为零： 。
