1.一种PCBA目标边缘检测方法，其特征在于，包括：S1、使用具有动态阈值惩罚因子的引导滤波算法对待检测图像进行边缘保持去噪得到滤波后图像，所述具有动态阈值惩罚因子的引导滤波算法在具有全局惩罚因子的引导滤波算法的基础上引入动态阈值惩罚因子，动态阈值惩罚因子的值与像素块中边缘像素点数量成正比；

S2、对滤波后图像进行非极大值抑制，进行限条件的保留屋脊状边缘及阶梯状边缘，得到抑制图像；

S3、对抑制图像进行边缘像素及非边缘像素的分割，利用改进的局部自适应类间差分法提高边缘像素的辨识度；

S4、连接边缘像素，得到边缘检测结果。

2.如权利要求1所述的PCBA目标边缘检测方法，其特征在于，步骤S1包括：S101、使用引导图像与待滤波图像建立局部线性变换；

S102、计算窗口处于不同位置时的动态惩罚因子；

S103、基于局部线性变换及动态惩罚因子对待检测图像进行边缘保持去噪得到滤波后图像。

3.如权利要求2所述的PCBA目标边缘检测方法，其特征在于，步骤S102中：动态惩罚因子的计算公式如下：

Qi＝βQi(β∈(0,1])

β＝S/|w|

式中，pi为像素索引值i对应的引导图像，φ表示类间方差最优阈值，i和k为像素索引值，Qi为像素索引值i对应的输出图像，Qi'为像素索引值i对应的滤波后图像，β为动态阈值惩罚因子，S表示窗口内超过变化阈值的像素个数，|w|为邻域块中像素个数，μk为像素索引值k对应的邻域块的均值。

4.如权利要求1所述的PCBA目标边缘检测方法，其特征在于，步骤S2包括：S201、基于邻域像素判断像素块边缘类型；

S202、基于像素块边缘类型对像素块进行非极大值抑制。

5.如权利要求4所述的PCBA目标边缘检测方法，其特征在于，步骤S202中：滤波后图像中坐标为(i,j)的像素点的灰度值为A(i,j)，进行非极大值抑制对应的灰度值为A*(i,j)；

当坐标为(i,j)的像素点处于屋脊状边缘，则Ar＝A(i,j)；(A(i,j)≥A(i,j-1)∧A(i,j)≥A(i,j+1)∧A(i,j)≥μ(i,j))当坐标为(i,j)的像素点处于阶梯状边缘，则Al(i,j)；(A(i,j)≥A(i-1,j)∧A(i,j)＞A(i,j+1)∧A(i,j)≥μ(i,j))式中，n表示当前邻域块的大小，Ar和Al分别表示屋脊状边缘像素值和阶梯状边缘像素值。

6.如权利要求1所述的PCBA目标边缘检测方法，其特征在于，步骤S3包括：S301、对于每个像素块，利用灰度直方图统计出像素块中灰度值的分布范围，记为[a,b]，像素块中每个灰度级g对应的像素个数Ng,灰度级g的概率Pg＝Ng/N，N为像素块内像素点个数；

S302、对像素块中的像素按灰度级进行非边缘和边缘分割；

S303、非边缘灰度级记为gb,边缘灰度级记为go，分别计算各自的期望值，分别记为Eb和2

Eo(b∈[a,T],o∈[T+1,b])，基于Eb和Eo计算方差σ从而得到局部最优阈值Th；

S304、基于局部最优阈值Th及容差Tc对像素进行像素值衰减。

7.如权利要求6所述的PCBA目标边缘检测方法，其特征在于，步骤S303中：Th＝σ2。

8.如权利要求7所述的PCBA目标边缘检测方法，其特征在于，步骤S304中：Xi＝Xiθ(Xi＜Th-Tc,Xi＜X/8)Xi＝Xi(Xi＜Th,Xi≥X/8)

式中，θ为像素值衰减比例，范围介于0-1之间，X为像素块邻域像素总和。