1.一种红外图像小目标识别方法，其特征在于，包括：

获取待检测区域的红外图像和待检测区域的光学影像，并对所述红外图像和所述光学影像进行地理配准，得到目标红外图像和目标光学影像；

对所述目标光学影像中的像素点进行聚类，得到多个像素点簇；利用边缘检测算法提取每个像素点簇的边界像素，并对每个像素点簇的边界像素进行栅格转矢量操作，得到每个像素点簇对应的分割边界坐标；

基于所有像素点簇对应的分割边界坐标对所述目标红外图像进行分割，得到多个红外子图像；

利用广义极值分布法拟合每个红外子图像中所有像素点的特征值，得到该红外子图像的广义极值分布模型，并基于极大似然估计法构建所述广义极值分布模型的参数似然函数；基于所述参数似然函数对所述广义极值分布模型进行优化，基于优化后的广义极值分布模型得到该红外子图像的背景模型；

利用每个红外子图像的背景模型对该红外子图像中的各个像素点进行目标识别，并基于所有红外子图像的目标识别结果得到所述红外图像的小目标识别结果。

2.根据权利要求1所述的红外图像小目标识别方法，其特征在于，红外子图像的广义极值分布模型表示为：，

其中， 表示第 个红外子图像的广义极值分布模型；表示像素点的特征值；表示广义极值分布模型的位置参数；表示广义极值分布模型的尺度参数；表示广义极值分布模型的形状参数；

广义极值分布模型的参数似然函数表示为：

，

其中， 表示广义极值分布模型 的参数似然函数；

； 表示第 个红外子图像中的像素点数量； 。

3.根据权利要求2所述的红外图像小目标识别方法，其特征在于，基于所述参数似然函数对所述广义极值分布模型进行优化包括：计算所述参数似然函数关于广义极值分布模型的位置参数的第一求偏导数，并令所述第一求偏导数为0，得到位置参数方程；

计算所述参数似然函数关于广义极值分布模型的尺度参数的第二求偏导数，并令所述第二求偏导数为0，得到尺度参数方程；

计算所述参数似然函数关于广义极值分布模型的形状参数的第三求偏导数，并令所述第三求偏导数为0，得到形状参数方程；

基于所述位置参数方程、所述尺度参数方程和所述形状参数方程构建参数方程组，并利用牛顿‑拉夫森法对所述参数方程组求解，得到位置参数目标值、尺度参数目标值和形状参数目标值，从而对所述广义极值分布模型进行优化。

4.根据权利要求1所述的红外图像小目标识别方法，其特征在于，得到各个红外子图像的背景模型后还包括：计算每个红外子图像的背景模型的概率密度函数与该红外子图像的背景直方图对应的概率分布函数之间的KL距离，将所述KL距离作为该红外子图像背景模型的拟合精度；

分别判断各个红外子图像的背景模型的拟合精度与预设阈值的大小，若第 个红外子图像的背景模型的拟合精度大于所述预设阈值，则在所述目标光学影像中，获取与第i个红外子图像中各个像素点的空间位置相同的像素点，得到像素点集合；

对所述像素点集合进行聚类，得到多个目标像素点簇，从而基于所述多个目标像素点簇对第i个红外子图像进行分割，得到多个新的红外子图像。

5.根据权利要求4所述的红外图像小目标识别方法，其特征在于，红外子图像的背景模型的概率密度函数与该红外子图像的背景直方图对应的概率分布函数之间的KL距离的计算公式为：，

其中， 表示第 个红外子图像的背景模型的概率密度函数与该红外子图像的背景直方图对应的概率分布函数之间的KL距离； 表示第 个红外子图像的背景模型的概率密度函数； 表示第 个红外子图像的背景直方图对应的概率分布函数。

6.根据权利要求1所述的红外图像小目标识别方法，其特征在于，利用每个红外子图像的背景模型对该红外子图像中的各个像素点进行目标识别，并基于所有红外子图像的目标识别结果得到所述红外图像的小目标识别结果包括：使用二分法基于每个红外子图像的背景模型的概率密度函数和预设虚警概率，计算该红外子图像的检测阈值；

分别判断该红外子图像中每个像素点的特征值与所述检测阈值的大小，将特征值大于所述检测阈值的像素点判定为该红外子图像中的小目标像素点；

基于所有红外子图像中的小目标像素点，得到所述红外图像的小目标像素点。

7.根据权利要求6所述的红外图像小目标识别方法，其特征在于，红外子图像的检测阈值的计算公式为：，

其中， 表示预设虚警概率； 表示第 个红外子图像的背景模型的概率密度函数； 表示第 个红外子图像的检测阈值。

8.根据权利要求1所述的红外图像小目标识别方法，其特征在于，获取待检测区域的红外图像包括：利用无人机获取待检测区域的多张图像，基于所述无人机的位姿信息分别对每张图像进行几何校正；

对校正后的多张图像进行拼接，得到待检测区域的红外图像。

9.一种红外图像小目标识别装置，其特征在于，包括：

图像获取及配准模块，用于获取待检测区域的红外图像和待检测区域的光学影像，并对所述红外图像和所述光学影像进行地理配准，得到目标红外图像和目标光学影像；

分割边界坐标获取模块，用于对所述目标光学影像中的像素点进行聚类，得到多个像素点簇；利用边缘检测算法提取每个像素点簇的边界像素，并对每个像素点簇的边界像素进行栅格转矢量操作，得到每个像素点簇对应的分割边界坐标；

红外图像分割模块，用于基于所有像素点簇对应的分割边界坐标对所述目标红外图像进行分割，得到多个红外子图像；

背景模型构建模块，用于利用广义极值分布法拟合每个红外子图像中所有像素点的特征值，得到该红外子图像的广义极值分布模型，并基于极大似然估计法构建所述广义极值分布模型的参数似然函数；基于所述参数似然函数对所述广义极值分布模型进行优化，基于优化后的广义极值分布模型得到该红外子图像的背景模型；

小目标识别模块，用于利用每个红外子图像的背景模型对该红外子图像中的各个像素点进行目标识别，并基于所有红外子图像的目标识别结果得到所述红外图像的小目标识别结果。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1‑8任一项所述的红外图像小目标识别方法的步骤。