1.一种基于运动能量估计的弱信号检测方法，其特征在于包括以下步骤：A、构建12种目标信号在图像中的运动模型，运动模型大小为5*5；其中第1‑4种运动模型的运动方向分别为水平、垂直和两个对角线方向，第5‑12种运动模型的运动方向为随机方向；

B、将序列图像分别与运动模型相乘，得到待检测的图像；

C、设定邻域块尺度大小以及梯度阈值，对当前帧图像中所有像元逐个进行扫描，以当前扫描到的像元所在邻域为中心构建中心邻域块，接着在中心邻域块的上下左右四个方向上选取同样尺度的邻域块，求取其灰度均值，分别计算中心邻域块与四个方向上邻域块之间的梯度，如果四个方向中有三个以上方向的梯度大于预先设定的梯度阈值，则认为像元为候选目标点，否则剔除；

D、对候选目标点进行高阶相关能量增强，求取目标点的能量极大值，输出得目标图像；

E、对序列图像进行同样处理，得到各帧图像的目标图像，将所有目标图像进行叠加，获得目标运动轨迹图像。

2.如权利要求1所述的基于运动能量估计的弱信号检测方法，其特征在于：所述的步骤B中的预处理具体为通过各向异性背景估计进行滤波，去除图像中的背景杂波。

所述的步骤B中，序列图像先经过各向异性背景估计进行预处理，然后再与运动模型相乘。

3.如权利要求1所述的基于运动能量估计的弱信号检测方法，其特征在于：预处理后的图像分别与运动模型相乘，表达式为:其中，k＝1,2,...,12，代表12种运动模型的序号，x,y代表像元的位置，m,n代表模板的半径，Tk(x,y)代表运动模型，F0代表预处理后的图像，tN代表第N帧图像。

4.如权利要求1所述的基于运动能量估计的弱信号检测方法，其特征在于：所述的邻域块尺寸为3*3—11*11。

5.如权利要求1所述的基于运动能量估计的弱信号检测方法，其特征在于：所述的步骤C中，构建中心邻域块及其对应四个方向上邻域块并求取均值的公式为：其中，mid代表目标所在邻域；up_mean、down_mean、left_mean、right_mean、mid_mean分别代表对上下左右及中心邻域块的均值，L为邻域块的尺度大小。

6.如权利要求4所述的基于运动能量估计的弱信号检测方法，其特征在于：所述的步骤C中，分别计算中心邻域块与对应四个方向邻域块之间的梯度，并对四个方向的梯度进行排序的公式为：其中，data1，data2，data3，data4是对中心邻域与四个方向邻域的梯度差取绝对值；A为当前像元所在邻域与四个方向邻域的梯度差。

7.如权利要求1所述的基于运动能量估计的弱信号检测方法，其特征在于：所述的步骤D中，对候选目标点进行高阶相关能量增强并求取目标能量极大值，具体的方法为：取当前帧图像中候选目标像元所在的位置，在下一帧图像中找到该位置的邻域，该邻域与当前帧候选目标的像元值相乘并求和，将求和的结果再与第三帧图像中候选目标点所在位置的邻域相乘后求和，得到的结果除以邻域块尺度大小，将运算结果替换掉当前帧图像的候选目标像元值；

具体的表达式如下：

其中，target1，target2，target3代表相邻三帧图像，target1代表n时刻目标所在位置，target2代表n+1时刻目标所在位置的邻域，target3代表n+2时刻目标所在位置的邻域，r为目标的搜索邻域半径，L为邻域块的尺度大小。data1st_min代表对A中的四个方向梯度差从小到大排序后的最小值，data2nd_min代表对A中的四个方向梯度差从小到大排序后的第二小值，T为预设梯度阈值，Ek1(i,j,tn)为前两帧图像高阶相关，E2(i,j,tn)为前两帧图像高阶相关的结果再与第三帧图像高阶相关，F0'(x,y,tN)为目标能量极大值。

8.如权利要求7所述的基于运动能量估计的弱信号检测方法，其特征在于：所述的步骤E中，将所有目标图像叠加的公式为：

Ek＝F0'(x,y,t1)+F0'(x,y,t2)+...+F0'(x,y,tN)⑸Ek为N帧目标图像叠加的结果，即目标运动轨迹。