1.一种抗大气湍流的灯靶图像位移提取算法，其特征在于，包括以下步骤：S1、在初始参考图中确定灯靶目标的粗略计算窗口，并计算该区域的能量；

S2、在粗选窗口提取能量集中区域；

S3、在能量集中区域内进行形心和灰度平方质心检测；

S4、确定参考图中灯靶目标的加权中心定位结果；

S5、在后续变形图中重复S1‑S4；

S6、计算中心位移；

在所述步骤S1中，在初始参考图中确定灯靶目标的粗略计算窗口M×N，使用公式(1)计算该区域的能量E，其中，g(x，y)表示像素坐标(x，y)处的灰度：在所述步骤S2中，在粗选窗口提取能量集中区域，即有效计算窗口，该区域需要同时满足公式(2)和公式(3)的条件，即当灰度g(x，y)大于阈值gT时，计算其能量，需要满足能量大于总能量的η倍，若不满足，需要重新调整gT的值直到同时满足这两个条件，其中，η表示CCD相机弥散斑能量集中度，η＝80％，gT表示满足能量集中度后的新的窗口判定阈值；

在所述步骤S3中，在有效窗口内进行形心和灰度平方质心检测，形心计算采用公式(4)，灰度是二值化灰度；

对于灰度平方质心计算，需要采用像素自身的灰度值，为了降低噪声的影响，需要对提取的有效窗口内的像元进行灰度优化，具体计算过程如式(5)所示，灰度平方质心计算采用公式(6)：在所述步骤S4中，权重值的求解采用的是最小二乘支持向量机方法LS‑SVM，在实际结构位移测量前，预先采集一些现场的稳定灯靶目标的图像，用于LS‑SVM的学习，选取在支座或者基础附近的目标，以该目标位移时程的方差最小为目标优化函数：通过预先学习，得到最优的权重值；

在所述步骤S4中，确定参考图中灯靶目标的加权中心定位结果，将得到的形心(x1,y1)和灰度平方质心(x2,y2)与真实中心(x0,y0)间的加权关系表示为：式中，ηi表示两种定位结果的权重；

在所述步骤S6中，计算中心位移，假定在参考图frame_0中的加权中心定位结果为：(xw0,yw0)，在变形图frame_i中的加权中心定位结果为：(xwi,ywi)，则位移分量为：