1.基于数学形态学的小目标图像快速阈值分割方法，其特征在于：该方法包括如下步骤：步骤1，对待检测的图像I(i，j)，i＜M，j＜N进行灰度化和降噪处理；

所述的降噪处理可以是几何处理、图像滤波、经验模态分解(empirical mode decomposition，EMD)去噪、图像平滑和图像锐化的一种或多种方法组合使用；

步骤2，在步骤1的基础上，对降噪后的小目标图像进行形态学开或者闭运算，记为W；

步骤3，利用步骤2得到的经形态学处理后的图像W，在此基础上计算其灰度直方图，记为H1(x)；

步骤4，计算形态学处理前的图像的灰度直方图，记为H2(x)；

步骤5，在步骤3和4的基础上计算H(x)＝|H1(x)-H2(x)|；

步骤6，计算目标的变化率

步骤7，根据步骤6得到的目标的变化率d(i)，计算阈值 其中L为图像的灰度级，是一个常数，其作用是防止选择接近0或L灰度级的阈值；

步骤8，根据步骤7得到的二值化阈值T，将原图像I进行二值化处理，得到二值化图像G。

2.根据权利要求1所述的基于数学形态学的小目标图像快速阈值分割方法，其特征在于，所述的步骤2中，对降噪后的小目标图像进行形态学开或闭运算，所述的形态学开运算或者闭运算，至于选择开运算还是闭运算一般依据图像而定，若目标比背景亮，选择开运算，反之选择闭运算。

3.根据权利要求1所述的基于数学形态学的小目标图像快速阈值分割方法，其特征在于，所述的步骤8中，将原图像I进行二值化处理，得到二值化图像G，二值化的表达式为：