1.一种弱小目标检测方法，其特征在于包括以下步骤：A、对多帧数的待检测图像进行读取；

B、构建多个方向的梯度扩散函数，根据梯度扩散函数构建各向梯度差分函数；

C、构建背景预测模型，预设其中的停止参数、步长参数及各向梯度差分函数的收敛函参数；

D、运用背景预测模型结合各项异性对各帧的待检测图像进行背景预测，得到各帧的背景预测结果图；

E、对各帧的背景预测结果图进行背景估计建模，得到各帧的背景估计建模图，将各帧的背景预测结果图及其对应的背景估计建模图分别作差得到各帧的图像差分图；

F、对多帧数的图像差分图进行拉伸，得到对应的多帧数拉伸图，将多帧数拉伸图进行叠加，即得到小目标的运动轨迹图；

步骤B中所述的多个方向的梯度差分函数包括四个方向的各向梯度扩散函数，分别如下：CL＝1/(1+1/(M×|(f(i,j)‑f(i,j‑t))|/K))；

CR＝1/(1+1/(M×|(f(i,j)‑f(i,j+t))|/K))；

CP＝1/(1+1/(M×|(f(i,j)‑f(i‑t,j))|/K))；

CD＝1/(1+1/(M×|(f(i,j)‑f(i+t,j))|/K))；

其中CL、CR、CP、CD分别为四个方向的各向梯度扩散函数，M为限制常数，K为停止参数，f(i，j‑t)、f(i,j+t)、f(i‑t,j)、f(i+t,j)分别表示四个子区域距离中心像元f(i，j)的步长距离，t表示中心像元到四个方向的步长；

所述的各向梯度差分函数的表达式如下：

2.如权利要求1所述的弱小目标检测方法，其特征在于：所述的步骤C中的背景预测模型包括以下步骤：c1、对读取的图像进行边缘处理；

c2、求取各个像素点四个方向上的梯度值的绝对值；

c3、把各像素四个方向的梯度绝对值带入相对应方向的各向梯度扩散函数中求得各个像素点四个方向的方向系数；

c4、对步骤c3中各个像素点四个方向的方向系数进行求和后作均值。

3.如权利要求2所述的弱小目标检测方法，其特征在于：所述的步骤D中的背景预测包括以下步骤：

d1、读取各像素对应各方向的均值cusm；

d2、把原图和读取到的各像素的四个方向均值做差，达到把各个噪点，目标点以及非平稳背景抑制的效果；

d3、将抑制后的图像进行拉升输出，即得预测的背景图像。

4.如权利要求3所述的弱小目标检测方法，其特征在于：所述的步骤E中的背景估计建模包括以下步骤：e1、读取步骤C中完成背景预测的图像；

e2、读取多帧数的待检测图像，并把待检测图像中各个像素点的像素值与步骤C中完成背景预测的图像的对应像素点的像素值进行做差，并设定阈值，将低于阈值的差值则过滤，高于阈值得差值则保留，从而把图像中已被抑制的目标点、噪声及各类非平稳背景有效过滤，得到平滑的背景估计图，完成背景估计建模。