1.一种基于侧抑制网络的红外图像处理方法，其特征在于：包括以下步骤：S1:求出图像每个像素点邻域内的局部熵，得到图像的局部熵矩阵，进一步得到整幅图像局部熵矩阵；

S2:根据整幅图像局部熵矩阵，求出矩阵最大值，然后构造度量算子；

S3:生成侧抑制系数矩阵；

S4:根据步骤S2和S3所得结果对红外图像进行处理；

所述步骤S2具体包括以下子步骤：

S21:求出图像局部熵矩阵H的最大值Hmax：Hmax＝max(H)

S22:求出像素点(m,n)以半径l'大小为邻域的灰度均值式中：k1,k2表示像素点(m，n)半径l’邻域内各个像素点坐标；

S23:求解出度量算子E，其计算公式为：式中：H(m,n)表示像素点(m,n)的局部熵，F(m,n)表示输入图像像素点(m,n)的灰度值， 表示像素点(m,n)邻域均值。

2.根据权利要求1所述的一种基于侧抑制网络的红外图像处理方法，其特征在于：所述步骤S1具体包括以下子步骤：S11:在图像空间内以像素点(m,n)为中心取一个N×N大小的邻域，统计出邻域内各灰度级出现的次数，求出各灰度级出现的概率Pj；

式中：Pj为灰度级j在像素点(m,n)邻域内出现的概率，mj为邻域内具有灰度级j的总像素数；

S12:求出该像素点邻域内局部熵H： 式中L表示最大灰度级别；

S13:求出图像每个像素点邻域内的局部熵，得到图像局部熵矩阵H。

3.根据权利要求2所述的一种基于侧抑制网络的红外图像处理方法，其特征在于：所述最大灰度级别L的取值为256。

4.根据权利要求1所述的一种基于侧抑制网络的红外图像处理方法，其特征在于：在所述步骤S3中，选择双峰高斯模型求解出侧抑制系数矩阵，则侧抑制系数表示为：式中β、σ1、σ2都为常量， 表示中心像素点(m,n)与像素点(p,q)的欧几里德距离，选择合适的邻域，求出侧抑制系数矩阵。

5.根据权利要求4所述的一种基于侧抑制网络的红外图像处理方法，其特征在于：在所述步骤S4中，选择非循环网络计算侧抑制网络的输出，则侧抑制网络的输出表示为：其中kmn,pq为侧抑制系数，λ是一个调节常量，l为侧抑制半径。

6.根据权利要求5所述的一种基于侧抑制网络的红外图像处理方法，其特征在于：所述λ取值范围为[0，1]。