1.一种基于红外视频图像的小目标检测方法，其特征在于，包括以下步骤：步骤1：将M帧红外视频序列的每一帧作为列向量输入，构成数据矩阵；

步骤2：假设步骤1中输入的数据矩阵由背景、目标和干扰噪声三部分构成，基于阵列信号处理的理论，建立以鲁棒矩阵近似理论为背景建模方式，外加基于目标稀疏表达项和抗噪声干扰项的红外视频图像目标检测模型；

步骤3：运用交替方向乘子法求解步骤2中得到的红外视频图像目标检测模型，得到红外视频背景部分和目标部分的最优解；

步骤4：将步骤3求解得到的背景部分和目标部分转换到视频形式并输出。

2.如权利要求1所述的一种基于红外视频图像的小目标检测方法，其特征在于，所述步骤2具体为：假设数据矩阵r＝[r1(t),r2(t)…rn(t)]由背景、目标和干扰噪声三部分构成，以鲁棒矩阵近似理论为基础进行背景建模，通过将各阵元输出进行加权求和，将输入的红外视频信号导向至背景部分，即接收期望的背景信号并抑制其他信号；采用稀疏表达项对前景目标建模求解；通过噪声由与背景和前景所构成的原始数据近似的残差来进行抑制干扰项的建模，即假设将场景自身的变化以及环境带来的影响统一认为是干扰项，通过抑制因子达到去除干扰的效果，建立基于红外视频图像目标检测模型：其中，r为输入的数据矩阵，S为稀疏目标部分，b为背景部分，a为导向矢量，λ1和λ2为折p中系数，||·||为lp范数，||·||F为Frobenius范数。

3.如权利要求2所述的一种基于红外视频图像的小目标检测方法，其特征在于，所述步骤3包括以下步骤：步骤3.1：根据ADMM，引入辅助变量Z＝r-S，构造拉格朗日函数；

步骤3.2：对步骤3.1中构造的拉格朗日函数进行分布优化，从而得到分离出的背景b和目标S。

4.如权利要求3所述的一种基于红外视频图像的小目标检测方法，其特征在于，所述步骤3.1中构的造拉格朗日函数如下：其中，Y为拉格朗日乘子，ρ控制ADMM算法迭代步长，选取0＜p＜1，p越接近0，S越稀疏。

5.如权利要求4所述的一种基于红外视频图像的小目标检测方法，其特征在于，所述步骤3.2包括以下步骤：步骤3.2.1：固定{Z(t),S(t),Y(t)}，分别更新{b(t+1),S(t+1)}；

忽略无关项，分为两个子问题进行求解，求解背景b的公式简化为：即求解：

求解可得b(t+1)

求解稀疏前景S，忽略无关项，公式简化为：

即求解：

其中， 进一步，上式可以划分为n个子问题求解：其中Sn， 分别是S、中的第n个元素，所得最优解即稀疏目标部分；

步骤3.2.2：固定{b(t+1),S(t+1),Y(t)}，更新{Z(t+1)}；

忽略无关项，公式简化为：

采用固定点迭代法求解上式即可得Z(t+1)；

步骤3.2.3：固定{b(t+1),S(t+1),Z(t+1)}，更新{Y(t+1)}Y(t+1)＝Y(t)+ρ(Z(t+1)-r+S(t+1))             (14)重复步骤3.2.1-步骤3.2.3直至达到最大迭代次数或收敛阈值，即可解得背景b和目标S。