1.一种面向复杂场景的红外小目标检测方法，其特征在于，包括以下步骤：S1、通过灰度形态学滤波算法进行背景抑制：灰度值膨胀运算定义如下：

通过膨胀运算使中心点像素灰度值替换为给定结构元素对应区域的灰度最大值；

灰度值腐蚀运算定义如下：

通过腐蚀运算使中心点像素灰度值替换为给定结构元素区域的灰度最小值；

其中F为原始图像，B为对应运算的结构元素；

软形态学运算公式为：

其中，g(x,y)为G中坐标为(x,y)的像素点的灰度值，h(x,y)为背景抑制后的图像H坐标为(x,y)的像素点的灰度值；

经过该步骤可以抑制大部分背景区域，提取出包含少量背景杂波的目标区和噪声区；

S2、对背景抑制后的图像，进行分数阶目标增强：设定图像I(x,y)在X、Y轴两个方向的分数阶微分在一定条件下是可分离的，同时由于弱小目标的灰度高斯分布特性，对图像的八个方向利用分数阶微分算子进行处理，将图像信号I(x,y)的持续期[a,t]按单位间隔h＝1等分，得到G-L定义下的分数阶微分算子沿X和Y轴方向的数值计算表达式如下：其中：

根据上式可得到水平方向和竖直方向的模板相关参数值，目标增强后的图像在目标灰度上得到了大幅提升；

S3、显著性目标提取：

目标增强后，虽然目标变得更明显，但此时高频噪声也得到一定程度增强，因此利用显著性提取方法进一步提取目标；

采用谱残差法，利用如下公式的傅里叶变换将图像I(x)从空间域映射到频域，提取其幅度谱p(f)，保持相位譜不变：A(f)＝|F[I(x)]|

L(f)＝log[A(f)]

Q(f)＝L(f)*n(f)

D(f)＝L(f)-Q(f)

S(I(x))＝G(x,y)*|F-1[exp{D(f)+iP(f)}]|2对其幅度谱进行一次log变换，得到log频谱L(f)；与一个n×n的均值算子卷积得到平滑背景后的图像Q(f)；

原始幅度谱与平滑后的幅度谱相减得到的幅度谱D(f)，即是频域中被平滑的区域，也就是显著性区域，结合其相位譜后映射回空间域，再利用一个高斯滤波器实现更好的显示效果，得到感兴趣目标区域的边界，得到最终的显著性图像S(I(x))。