1.一种基于小波阈值变换的SAR图像溢油检测方法，其特征在于，包括如下步骤：步骤1：将SAR图像上具有乘性特性的斑点噪声，首先通过对数算子变换把乘性噪声转变为加性噪声，然后对变换后的SAR图像进行锐化处理；

步骤2：对步骤1处理过的SAR图像进行二维离散小波变换，把SAR图像进行尺度为3的小波分解，分解为不同频率的子带，得到各子带离散化的小波系数；

步骤3：设置一个阈值λ，分别对每一层的子带进行处理，计算出每一层子带对应的阈值λj，阈值λj为分层自适应阈值，估计公式如下：式中：σ表示噪声图像的标准差，N为小波变换后信号的长度，j代表分解尺度，j等于1时为通用阈值；小波分解时，随着尺度j的增加，图像信号幅值和噪声幅值呈相反方向变化,阈值λj会相应的变小；

步骤4：用阈值函数对各层子带的离散化的小波系数进行阈值处理，把大于步骤3设置的阈值λj的小波系数保留或者收缩，把小于这个阈值λj的小波系数也做保留和收缩；阈值函数加入了调节因子，具有双向收缩性，在阈值处连续可导，所述阈值函数如下：其中m和k是调节因子，m∈[0，1]，k是正整数；

步骤5：通过二维离散小波逆变换，按照分解的先后顺序，依次恢复出最后重建的SAR图像；

步骤6：对重建的SAR图像进行分割，通过与专家目视解译结果进行逐像元精确判定，算出分割的精度。

2.根据权利要求1所述的一种基于小波阈值变换的SAR图像溢油检测方法，其特征在于，步骤1还包括对SAR图像对数变换后出现边缘模糊的现象采用USM锐化增强算法，锐化参数中数量设置为200％，半径设置为1.2，阈值设置为3。

3.根据权利要求1所述的基于小波阈值变换的SAR图像溢油检测方法，其特征在于，步骤2采用小波基对处理过的SAR图像进行小波分解时，选取的小波基为db5。

4.根据权利要求1所述的基于小波阈值变换的SAR图像溢油检测方法，其特征在于，步骤6对重建的SAR图像进行分割的具体方法是：对背景和目标的类间方差加以权重系数，将目标像素点占整幅图像的比例和背景像素点占整幅图像的比例作为权重引入到最大类间方差法目标方程式中。

5.根据权利要求4述的基于小波阈值变换的SAR图像溢油检测方法，其特征在于，所述的最大类间方差法目标方程如下：

2 2 2

u(t) ＝ωω0(t)u0(t) +ω2ω1(t)u1(t)     (3)2

T＝Argmax0＜L≤L‑1(u(t))        (4)式中：ω和ω2分别为目标像素和背景像素比例，且ω＝ω0(t)，ω2＝ω1(t)；u0(t)和u1(t)分别为目标均值和背景均值。