1.一种基于卡尔曼滤波和马尔可夫随机场的图像分割方法，其特征在于：其包括以下步骤：步骤S1，对图像进行先验处理，对包含待测物体的图像进行分块，分成多个子图像；设图像大小为M×N,M为行，N为列，(i,j)表示像素空间位置，I(i,j)表示子图像在像素空间位置(i,j)处的灰度值；采集每个子图像中的背景像素和待测物体像素，计算背景像素的均值ub1,ub2...,ubn和标准差σb1,σb2,...,σbn，以及计算待测物体像素的均值ua1,ua2...,uan和标准差σa1,σa2,...,σan，建立统计表；

步骤S2，设立马尔可夫随机场，所述马尔可夫随机场的邻域大小为(2L+1)×(2R+1)，其中，2L+1为横向长度，2R+1为纵向长度；整数L和R的值为根据实际图像情况取一个经验值；

步骤S3，设置卡尔曼滤波器，对卡尔曼滤波器进行参数设置，包括测量矩阵Hk、状态转移矩阵Fk、状态噪声协方差Qk、量测方差Rk；其中，Hk＝[0 1]，

k表示第k个像素，T为采样时间；

所述卡尔曼滤波器的算法为：

其中，Zk为系统k时刻的状态变量，Uk为系统k时刻对系统的控制输入，Uk‑1为系统k‑1时刻对系统的控制输入；系统控制矩阵Gk＝0；Yk为图像中第k个像素的像素值的测量向量；

为利用k时刻和k时刻以前的量测值估计的Zk值，是后验估计，获得后验估计的方法是计算它的条件期望值，即为用k时刻以前不包含k时刻的量测值预测的Zk值，是先验估计，即

为用k‑1时刻以前不包含k‑1时刻的量测值预测的Zk‑1值，是先验估计，即P表示估计的误差协方差，Pk‑1为状态估计 的估计误差协方差：为状态估计 的估计误差协方差：

Kk为卡尔曼增益矩阵，ζk为测量残差， 为新息协方差矩阵；

步骤S4，采用步骤S1得到的初始的背景和待测物体图像的均值和标准差对卡尔曼滤波器进行初始化；

步骤S5，采用卡尔曼滤波器对整个图像进行互相垂直的两方向每行和每列的滤波，得到每行及每列上第k个像素的残差值，保存在矩阵中；

步骤S6，在马尔可夫随机场邻域系统下，对卡尔曼滤波器已经标记过的区域进行局部统计，针对两个方向，分别根据k‑1步之前的滤波结果，更新背景的第k‑1步的像素的均值和标准差，以及待测物体第k‑1步的像素的均值和标准差；

步骤S7，针对两个方向，分别采用以下公式计算像素空间位置(i,j)到背景的距离Db、以及到待测物体的距离Da：其中，ub、σb分别为背景的局部均值与标准差，ua、σa分别为待测物体的局部均值与标准差；当Db(i,j)≥Da(i,j)，则标记像素空间位置(i,j)为则标记为1；

步骤S8，针对两个方向，分别根据测量残差统计特性与到局部区域背景和待测物体的距离，按照以下条件判定当前像素所属类别：其中，0标签表示背景像元，1标签代表目标像元；

每个滤波器滤波时在每个位置上有一个测量残差ζk，ζk服从零均值，方差为Sk的高斯分布，即ζk～N(0,Sk)，而 服从 分布，nY＝dim(ζ)是ζ的维数；当 时，表明图像在该位置出现异常值，则标记为缺陷像素，从上到下方向的残差值保存在矩阵∑up中，从左到右方向的残差值保存在∑left中，矩阵∑up、∑left的大小和图像的大小相同，其中α为显著性水平；

步骤S9，将两个方向的标记结果采用以下函数进行融合，得到标定后的二值图，若像素空间位置(i,j)是背景像元，记为f(i,j)＝0，若像素空间位置(i,j)为待测物体目标像元，则记为f(i,j)＝1。

2.根据权利要求1所述的基于卡尔曼滤波和马尔可夫随机场的图像分割方法，其特征在于，还包括：步骤S10，采用n阶邻域系统，对标定后的二值图进行中值滤波，去除孤立点或噪声点，得到最终的待测物体的缺陷分割图。

3.根据权利要求1所述的基于卡尔曼滤波和马尔可夫随机场的图像分割方法，其特征在于，步骤S3设置卡尔曼滤波器包括：设I(i,j)表示图像第i列j行的像素值，其中i＝1,2,3,...,M，j＝1,2,3,...,N；

图像每一行的像素作为一个测量序列Yk，k＝1,2,...,M，每一行设置一个卡尔曼滤波器；

图像每一列的像素作为一个测量序列Y'k，k＝1,2,...,N，每一列设置一个卡尔曼滤波器；每个卡尔曼滤波器的初始状态值根据它们所属的子图像的区域进行设置。

4.根据权利要求1所述的基于卡尔曼滤波和马尔可夫随机场的图像分割方法，其特征在于，步骤S6中在马尔可夫随机场邻域系统下，对卡尔曼滤波器已经标记过的区域进行局部统计包括：针对从左到右方向的滤波，当前像素空间位置(i,j)，卡尔曼滤波器已标记过的区域∑col，通过计算该像素左侧部分的L×(2R+1)个像素中的背景和待测物体像素的均值和标准差，更新上一次背景和待测物体像素的均值与方差，若此模板下不含其中一类像素，则该类沿用上次的统计值；

针对从上到下的方向滤波，当前像素空间位置(i,j)，卡尔曼滤波器已标记过的区域∑row，通过计算上侧部分的(2L+1)×R个像素中的背景和待测物体像素的均值和标准差，更新上一次背景和待测物体像素的均值与方差，若此模板下不含其中一类像素，则该类沿用上次的统计值。

5.一种基于卡尔曼滤波和马尔可夫随机场的图像分割系统，其特征在于，其包括：图像先验信息处理模块，对包含待测物体的图像进行分块，分成多个子图像，设图像大小为M×N,M为行，N为列，(i,j)表示像素空间位置，I(i,j)表示子图像在像素空间位置(i,j)处的灰度值；采集每个子图像中的背景像素和待测物体像素，计算背景像素的均值ub1,ub2...,ubn和标准差σb1,σb2,...,σbn，以及计算待测物体像素的均值ua1,ua2...,uan和标准差σa1,σa2,...,σan，建立统计表；

马尔可夫随机场建立模块，所述马尔可夫随机场的邻域大小为(2L+1)×(2R+1)，其中，

2L+1为横向长度，2R+1为纵向长度；整数L和R的值为根据实际图像情况取一个经验值；

卡尔曼滤波器模块，所述卡尔曼滤波器的算法为：

其中， 为初始估计误差协方差，Yk为图像中第k个像素的像素值的测量向量；系统控制矩阵Gk＝0；

Kk为卡尔曼增益矩阵，ζk为测量残差， 为新息协方差矩阵；

其中，Zk为系统k时刻的状态变量，Uk为系统k时刻对系统的控制输入，Uk‑1为系统k‑1时刻对系统的控制输入；系统控制矩阵Gk＝0；Yk为图像中第k个像素的像素值的测量向量；

为利用k时刻和k时刻以前的量测值估计的Zk值，是后验估计，获得后验估计的方法是计算它的条件期望值，即为用k时刻以前不包含k时刻的量测值预测的Zk值，是先验估计，即

为用k‑1时刻以前不包含k‑1时刻的量测值预测的Zk‑1值，是先验估计，即P表示估计的误差协方差，Pk‑1为状态估计 的估计误差协方差：为状态估计 的估计误差协方差：

Kk为卡尔曼增益矩阵，ζk为测量残差， 为新息协方差矩阵；卡尔曼滤波器参数设置模块，对卡尔曼滤波器进行参数设置，包括测量矩阵Hk、状态转移矩阵Fk、状态噪声协方差Qk、量测方差Rk；其中，Hk＝[0 1]，

k表示第k个像素，T为采样时间；

卡尔曼滤波器初始化模块，采用图像先验信息处理模块得到的初始的背景和待测物体图像的均值和标准差对卡尔曼滤波器进行初始化；

滤波模块，采用卡尔曼滤波器对整个图像进行互相垂直的两方向每行和每列的滤波，得到每行及每列上第k个像素的残差值，保存在矩阵中；

局部统计模块，在马尔可夫随机场邻域系统下，对卡尔曼滤波器已经标记过的区域进行局部统计，针对两个方向，分别根据k‑1步之前的滤波结果，更新背景的第k‑1步的像素的均值和标准差，以及待测物体第k‑1步的像素的均值和标准差；

像素空间位置(i,j)到背景、待测物体的距离计算模块：针对两个方向，分别采用以下公式计算像素空间位置(i,j)到背景的距离Db、以及到待测物体的距离Da：其中，ub、σb分别为背景的局部均值与标准差，ua、σa分别为待测物体的局部均值与标准差；当Db(i,j)≥Da(i,j)，则标记像素空间位置(i,j)为则标记为1；

当前像素所属类别分类模块，针对两个方向，分别根据测量残差统计特性与到局部区域背景和待测物体的距离，按照以下条件判定当前像素所属类别：其中，0标签表示背景像元，1标签代表目标像元；

每个滤波器滤波时在每个位置上有一个测量残差ζk，ζk服从零均值，方差为Sk的高斯分布，即ζk～N(0,Sk)，而 服从 分布，nY＝dim(ζ)是ζ的维数；当 时，表明图像在该位置出现异常值，则标记为缺陷像素，从上到下方向的残差值保存在矩阵∑up中，从左到右方向的残差值保存在∑left中，矩阵∑up、∑left的大小和图像的大小相同，其中a为显著性水平；

标记结果融合模块，将两个方向的标记结果采用以下函数进行融合，得到标定后的二值图，若像素空间位置(i,j)是背景像元，记为f(i,j)＝0，若像素空间位置(i,j)为待测物体目标像元，则记为f(i,j)＝1。

6.根据权利要求5所述的基于卡尔曼滤波和马尔可夫随机场的图像分割系统，其特征在于，还包括：基于n阶邻域结构下的中值滤波模块，对标定后的二值图进行中值滤波，去除噪声点，得到最终的待测物体的缺陷分割图。

7.一种电子设备，所述电子设备包括显示屏，其特征在于，所述电子设备包括相连的处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序，以执行如权利要求1～4中任一项所述的基于卡尔曼滤波和马尔可夫随机场的图像分割方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机程序，所述计算机程序配置为由处理器调用时实现如权利要求1～4中任一项所述的基于卡尔曼滤波和马尔可夫随机场的图像分割方法的步骤。