1.基于改进多尺度分形增强的红外小目标检测方法，其特征在于该方法的具体步骤是：步骤(1)、获取原始红外图像I’中每点像素的多尺度分形特征向量；

步骤(2)、基于多尺度分形特征向量计算每点像素的显著性，根据公式(1)得到增强后图像E(x,y)；

E(x,y)＝mean(t(x,y,:))2-std(t(x,y,:))2      式(1)其中mean()和std()分别为求均值和标准差的函数，(x,y)为原红外图像I’中的像素坐标；t(x,y,:)表示像素坐标(x,y)的多尺度分形特征向量；

步骤(3)、基于增强后图像，采用自适应阈值分割算法进行目标分割，根据公式(2)-(6)得到检测后的目标；

μ＝mean(E(2×εmax+1:rows-2×εmax,2×εmax+1:cols-2×εmax)) 式(2)δ＝std(E(2×εmax+1:rows-2×εmax,2×εmax+1:cols-2×εmax))   式(3)PSR＝(255-μ)/δ                          式(4)T＝c×PSR×δ+μ                          式(5)D(x,y)＝E(x,y)≥T                         式(6)其中，μ为增强后图像去除边缘区域后的像素均值，δ为增强后图像去除边界后像素分布的标准差；PSR为峰值旁瓣比；c表示小目标分割系数；rows和cols分别为原始红外图像I’的高度和宽度；T为用于目标检测的阈值；D为检测到属于目标的像素；

步骤(1)具体是：

依据分形几何理论，推导出：当度量尺度为ε时，其对应的D维面积K(x,y,ε)可表示为其中A(x,y,ε)表示在尺度ε下的图像灰度表面的表面积测度；

利用地毯覆盖法计算A(x,y,ε)时，有

其中，V(x,y,ε)为尺度ε下坐标(x,y)处的体积，计算公式如式(9)所示，U(x,y,ε)和B(x,y,ε)分别为该尺度下坐标(x,y)处邻域范围内像素的最大值和最小值；

将式(8)代入式(7)，得到

式(9)和式(10)分析可知，在不同尺度下，齐次背景区域每点像素的体积V小，接近0；而在非齐次背景区域，虽然V值较大，但是由于背景的起伏，故不同尺度下其变化率也相对较大，即式(10)中第二部分绝对值大，故K值降低；在目标区域，无论是亮目标还是暗目标，其局部区域的最大值或最小值固定，V最大，且其变化率小，故在目标区域K值最大；

基于以上分析，若忽略式(10)中的后两部分，则有K(x,y,ε)＝V(x,y,ε-1)，此时可用一个区域内像素的最大值和最小值的差值的累加和作为以坐标点(x,y)为中心的区域的显著性度量；

基于以上分析，设尺度为ε＝2…εmax，当ε＝1时为原始红外图像，εmax为最大尺度；原红外图像I’中一点的像素坐标为(x,y)，通过式(11)计算尺度ε下该坐标点邻域范围内像素值最大值与最小值的差值，作为该点像素在尺度ε下的对比度，得到对比度图像I；为消除不同尺度带来的累积效应的影响，通过式(12)计算每点像素在尺度ε下的平均对比度，得到尺度ε下的分形特征向量；进而以尺度ε为变量，获取多尺度分形特征向量t(x,y,:)；

2.如权利要求1所述的方法，其特征在于将公式(5)中分割系数c调整为大目标分割系数。

3.如权利要求1或2所述的方法，其特征在于将原始图像由红外图像替换成SAR图像，且公式(5)中分割系数c调整为SAR图像小目标分割系数。

4.如权利要求1或2所述的方法，其特征在于将原始图像由红外图像替换成SAR图像，且公式(5)中分割系数c调整为SAR图像大目标分割系数。