1.基于对比度均值的SAR图像相干斑非局部平均抑制方法，其特征在于，具体步骤为：

步骤1，输入待检测的SAR图像，对待检测的SAR图像做算术平均处理步骤，获得减少乘性噪声的处理图像；

步骤2，对处理图像进行对比度均值计算，获得对比度均值图像；

步骤3，对对比度均值图像分别进行阈值分割与非极大值抑制处理，分别得到图像Ir和Ig，分别判断图像Ir和Ig尺度窗内是否包含边缘区，根据包含边缘区的情况，对不同区域设置不同的衰减常数；

在不同区域设置不同的衰减常数，具体按照以下步骤实施：

步骤3.1，对对比度均值图像分别进行阈值分割与非极大值抑制处理，分别得到图像Ir和Ig；

步骤3.2，分别判断图像Ir和Ig小尺度窗wp,i内是否包含边缘区，根据包含边缘区的情况，对不同区域设置不同的衰减常数，公式如下：其中Ir(z)为小尺度窗下的阈值分割图像，Ig(z)为小尺度窗下的非极大值抑制图像，α1为同质区的衰减常数，α2为靠近边缘区的衰减常数，α3为边缘区的衰减常数；

步骤4，在处理图像中选择以待处理像素为中心的大尺度搜索窗，计算搜索窗内的均值比、变差系数和对比度均值，利用衰减常数分别构建相似性测量参量和自适应衰减因子；具体步骤为：从处理图像中选择以待处理像素为中心的大尺度搜索窗Ωp,i，计算搜索窗Ωp,i内的均值比、变差系数和对比度均值，分别构建相似性测量参量和自适应衰减因子，公式如下：hCV(i)＝1/α*ICV(i)*Icon_mean(i)     (8)

其中IMR(i,j)为相似性测量参数， 与 分别在搜索窗内以位置i与位置j为中心的小尺度相似窗wp,i与wp,j下的均值矩阵，ICV(i)为搜索窗Ωp,i内位置i为中心的变差系数， 分别为小尺度相似窗wp,i内像素的标准差与均值，hCV(i)为搜索窗Ωp,i内的自适应衰减因子，α代表衰减常数，可取值为α1，α2，α3；

步骤5，在处理图像中，利用相似性测量参量和自适应衰减因子计算非局部加权滤波系数，获得待处理像素的滤波估计图像，并对滤波估计图像进行边缘检测，得到滤波估计图像的边缘检测图像。

2.如权利要求1所述的基于对比度均值的SAR图像相干斑非局部平均抑制方法，其特征在于，所述步骤1中算数平均处理的计算公式为：其中i为当前中心像素，I(i)为待检测的SAR图像， 为获得减少乘性噪声的处理图像，b表示小尺度相似窗wp,i的尺度大小，j为小尺度相似窗wp,i内的任意像素。

3.如权利要求1所述的基于对比度均值的SAR图像相干斑非局部平均抑制方法，其特征在于，步骤2中计算对比度均值公式如下：其中，(x1,y1),(x2,y2)为处理图像中的像素对S为目标区域中具有特定空间联系的像素对的集合，p(i,j)为满足一定距离和方向关系的灰度共生矩阵图像，Icon(i,j)为分别计算距离为1的灰度共生矩阵p(i,j)在0°水平方向、90°垂直方向，45和135为对角方向下的对比度图像，Icon_mean(i,j)为对比度均值图像。

4.如权利要求1所述的基于对比度均值的SAR图像相干斑非局部平均抑制方法，其特征在于，所述步骤5中待处理像素的滤波估计值的计算公式为：其中IMR(i,j)为相似性测量参数，hCV(i)为搜索窗Ωp,i内的自适应衰减因子，WMR(i,j)为搜索窗内位置j像素对位置i像素的NLM滤波系数，BMR(i)为正则化因子，为 输入图像中待处理像素的滤波估计值，利用Canny算子对滤波估计图像进行边缘检测，阈值设置为0.08。