1.一种基于特征匹配和尺度选择策略的多尺度红外小目标的探测方法，其特征在于，包括如下步骤：步骤一、采用IALM方法对原始红外图像进行分解，从原始红外图像中提取目标的前景部分；

步骤二、对目标前景图像进行傅里叶变换，得到目标的幅度谱；

步骤三、利用高斯核函数对步骤二得到的幅度谱进行卷积，得到各尺度的显著图；

步骤四、根据每个尺度图中最大像素值邻接的区域的平均值，筛选出目标凸显的显著图；

步骤五、根据所选的显著图中的局部最大信息熵，获得最优显著图；

所述步骤二、对目标前景图像进行傅里叶变换，得到目标的幅度谱，方法如下：IA(u,v)＝log|fft(I(x,y))|,    (2)IP(u,v)＝angle(fft(I(x,y)))    (3)其中，IA(u，v)表示目标的振幅谱，IP(u，v)表示目标的相位谱，(u，v)表示像素点；

所述步骤三、利用高斯核函数对步骤二得到的幅度谱进行卷积，得到各尺度的显著图Sk(x，y)，方法如下：Φ(u,v；k)＝g(u,v；σ)*IA(u,v),    (4)其中，Φ(u,v；k)是尺度空间，g(u,v；σ)是高斯核，其标准差σ与比例因子k有关:Sk(x,y)＝ifft{exp(Φ(u,v；k)+i·IP(u,v))}    (6)所述步骤四、根据每个尺度图中最大像素值邻接的区域的平均值，筛选出目标凸显的显著图，方法如下：Lk＝max(Sk(x,y))k＝1…K,    (8)其中，Lk是显著图中的最大像素点，Nk为8个邻域点，mk为8个邻域像素值的平均值，K在实验中设置为16；

所述步骤五、根据所选的显著图中的局部最大信息熵，获得最优显著图，方法如下：其中，H(x,y)是信息熵，∧(x，y)表示与像素点(x，y)相邻的局部区域，局部区域的像素值投影到K个区间，pb(x，y)表示像素值处于b个区间的概率。