1.一种基于标签块和像素空间加权的二值化分割方法，其特征在于，包括以下步骤：步骤一：处理原始图像，分为训练样本和测试样本，选取训练样本中目标子图像和背景背景子图像，子图像的大小必须大于标签块的大小，将训练样本的目标子图像和背景子图像分别放在不同的文件夹中；

步骤二：特征提取并构建标签块；分别从存放目标子图像和背景子图像的文件夹中用标签块进行遍历，形成特征矩阵，将提取的目标子图像特征标签块记为a，提取的背景子图像特征标签块记为¬a；

步骤三：利用训练样本训练像素空间加权的因子幂指数分类模型，所述模型如下：其中， 表示一个子图像的特征向量，d表示每个标签块的特征向量维数， ； 表示类的数量， ， 为因子幂指数类条件概率函数；

表示类先验概率，其计算公式如下：

其中， 为对应类的样本数量，N表示训练样本标签块个数；

所述因子幂指数类条件概率公式如下：

其中，D表示一个常数，^表示幂指数运算， 表示一个微调的参数，取值范围为[0,1]，表示所有标签块对应维度的像素的均值， 表示像素空间权重函数；

所述空间权重函数公式如下：

其中，B为一个常数，R(.,r)表示对待运算的数值开r次方；

步骤四：标签块分类；将测试样本的图像按照训练样本中标签块大小进行遍历，计算标签块遍历的每块图像属于某一类的概率，并得到具有最大概率的输出，对每个标签块进行赋值，具体计算公式如下：若y=a，则标签块为目标；若y=¬a，则标签块为背景，最终得到二值化图像。

2.根据权利要求1所述的基于标签块和像素空间加权的二值化分割方法，其特征在于，子图像选取的公式为：其中，CM表示特征子图块，CM(R)表示目标子图像，CM(B)表示背景子图像，rand表示随机，(x,y)表示子图的左上角坐标，w表示子图的宽度，h表示子图的长度，L表示子图的亮度，，其中 表示亮度单位流明。

3.根据权利要求1所述的基于标签块和像素空间加权的二值化分割方法，其特征在于，对于训练样本，用标签块的方式从子图像中提取特征；对于测试样本，用标签块滑动整个图像的方法进行提取特征。

4.根据权利要求1所述的基于标签块和像素空间加权的二值化分割方法，其特征在于，所述D取值为1.5，B取值为1.3，R(.,r)取值为5。