1.一种红外图像目标显著性评估方法，其特征在于，所述方法包括如下步骤：

步骤1：对输入的红外图像进行多层多尺度超像素分割：使用SLIC算法作为基础分割器对红外图像进行多层多尺度超像素分割，得到多尺度的超像素分割结果，对输入的红外图像进行多层多尺度超像素分割的步骤是：初始化超像素的层数n、超像素的尺度集合{S1,S2,…,Sn}，并建立一个空的潜在目标集合C＝φ，其中C为潜在目标集合，φ表示空集；然后使用SLIC算法作为基础分割器在每一个尺度Si，其中Si为第i个超像素尺度下进行超像素分割得到分割结果 其中 表示Si下单个超像素分割结果；

步骤2：建立潜在目标集合：在各层超像素分割结果中，合并相邻两个超像素，并与单个超像素组成潜在目标集合，首先在每一个尺度Si下寻找 中单个超像素相邻的超像素，并以此建立单个超像素的邻居集合 其中 表示Si下单个超像素的邻居集合；然后根据邻居集合 中单个超像素的相邻关系，组合相邻的超像素得到两个相邻超像素对的集合其中 表示Si下两个相邻超像素对的集合；最后对 中相邻超像素对，计算其对应的邻居超像素集合  其中  表示Si下两个相邻超像素对的邻居集合，并将每个尺度Si下的数据存到潜在目标集合中去其中

表示Si下潜在目标集合；

步骤3：计算显著性并排序：设计了一种基于超像素的中心环绕特征来度量图中各个区域的显著性，并计算每个候选窗口的显著性分数；然后对候选窗口的显著性分数进行排序，分数越高表示越显著，即越可能包含感兴趣目标。