1.一种目标与背景的图像复杂度评价模型，其特征在于：该模型为一个三维欧氏测量空间Pn{pi,(i＝1,2,...n)}(n＝3)，所述的测量空间Pn中获得的的任意复杂度向量C由目标特性p1，目标相似性p2，背景特征p3三个向量构成；所述的复杂度向量C的模|C|即是目标与背景的图像复杂度，pi取值越大，则|C|越大；所述的p1、p2、p3的尺度取值范围均为大于等于0，且小于等于1；

所述的每个向量pi由评价测量指标tij(j＝1,2,...n)构成，n为指标个数；所述的目标特性p1由五个指标构成，即图像中目标的熵t11、目标干扰比t12、目标与背景的面积比例t13、目标与局部背景的相关性t14、目标与局部背景非参数K-S检验度量t15；所述的目标相似性p2由二个指标构成，即目标与伪目标的互相关系数峰值比t21、区域边缘形状相似度t22；所述的背景特征p3由五个指标构成，即图像背景的边缘比率t31、图像背景的纹理共生矩阵中的熵t32、能量t33、对比度t34、相关性t35构成。

2.根据权利要求1所述的一种目标与背景的图像复杂度评价模型，其特征在于：所述的图像可由人工或自动识别算法划分出目标区域，背景区域，目标周围的局部背景区域，以及背景中的伪目标区域。

3.根据权利要求1所述的一种目标与背景的图像复杂度评价方法，其特征在于：包括下述步骤，

步骤一、根据图像中目标的熵t11、目标干扰比t12、目标与背景的面积比例t13、目标与局部背景的相关性t14、目标与局部背景非参数K-S检验度量t15这五个评价测量指标计算目标特性p1；

步骤二、根据目标与伪目标的互相关系数峰值比t21、区域边缘形状相似度t22这二个评价测量指标计算目标相似性p2；

步骤三、根据图像背景的边缘比率t31、图像背景的纹理共生矩阵中的熵t32、能量t33、对比度t34、相关性t35这五个评价测量指标计算背景特征p3；

步骤四、计算目标特性p1，目标相似性p2，背景特征p3三个向量的向量尺度；

步骤五、根据目标特性p1，目标相似性p2，背景特征p3计算复杂度向量C的模|C|，获得目标与背景的图像复杂度。