1.基于归一化灰度霍夫变换和局部CFAR的尾迹检测方法，其特征在于，包括如下步骤：步骤1，输入待检测的SAR图像f，图像尺寸为M×N像素，利用归一化灰度Hough变换将原始SAR图像f转换到Hough参数空间h(ρ,θ)，其中，ρ表示由原点至直线的法线距离，θ为直线的法线与x轴的夹角，θ∈[0,π]；

步骤2，利用局部滑窗计算Hough参数空间h(ρ,θ)的检测统计量Ts：采用由检测窗口、保卫窗口和背景窗口三部分组成的空心矩形作为滑窗，设置检测窗口为1×1像素，保卫窗口和背景窗口的半窗长分别为g像素和b像素，保卫窗口和背景窗口之间的区域记作杂波区域，其中包含的所有像素用于统计建模；假设归一化灰度Hough参数空间h(ρ,θ)中的像素灰度值服从高斯分布，需要估计的高斯分布参数组为(μ,σ)，其中μ表示均值，σ表示标准差；

步骤3，设定虚警概率pfa，根据公式1‑pfa＝Φ(T)计算得到CFAR检测门限T，其中，Φ(·)表示标准正态分布函数；根据下式得到归一化灰度Hough参数空间对应的CFAR检测结果：其中K表示ρ在区间 上均匀采样的点数，Q表示θ在区间[0,π]

上均匀采样的点数；Ts(k,q)表示像素点(k,q)对应的检测统计量；步骤4，设置最小面积门限Amin，统计检测结果BW中各个连通区域的面积，若第i个连通区域的面积小于Amin，则将该连通区域内所有的像素点置为0，由此得到C个面积较大的连通区域，将这C个连通区域的质心(x1,y1),(x2,y2),…,(xC,yC)作为C条尾迹对应的归一化灰度Hough参数空间位置步骤5，分别将C条尾迹对应的归一化灰度Hough参数空间位置反演到图像域，在原始SAR图像中标注尾迹检测结果。

2.根据权利要求1所述的基于归一化灰度霍夫变换和局部CFAR的尾迹检测方法，其中步骤1归一化灰度Hough变换具体按照以下方式进行：

1a)设ρ在区间 上均匀采样K点，θ在区间[0,π]上均匀采样Q

点，初始化亮度累积参数空间R(ρk,θq)＝0，直线长度统计空间

1b)遍历SAR图像中的每一个像素点(xi,yj)，i∈[1,M],j∈[1,N]，利用下式分别计算亮度累积参数空间在点(ρk,θq)处的值R(ρk,θq)以及直线长度统计空间在(ρk,θq)处的值L(ρk,θq)：R(ρk,θq)＝R(ρk,θq)+f(xi,yj)

L(ρk,θq)＝L(ρk,θq)+1

其中，f(xi,yj)为坐标(xi,yj)处的像素亮度值；

1c)利用下式对归一化灰度Hough参数空间中的值R(ρk,θq)进行归一化处理：

1d)当对归一化灰度Hough参数空间的每一点 均统

计完成后，即可得到归一化灰度Hough变换的参数空间h(ρ,θ)。

3.根据权利要求1所述的基于归一化灰度霍夫变换和局部CFAR的尾迹检测方法，其中步骤2利用局部滑窗计算归一化灰度Hough参数空间H(ρ,θ)的检测统计量Ts具体按以下方式进行：

2a)假设滑窗沿着列方向滑动，对于第k行第q列像素(k,q)，保卫窗口中像素点的行范围为[k‑g,k+g]，列范围为[q‑g,q+g]，背景窗口中像素点的行范围为[k‑b,k+b]，列范围为

2 2

[q‑b,q+b]，当前杂波区域内的像素点数为Nc＝(2b+1) ‑(2g+1) ，设(k,q)像素的杂波区域对应的高斯分布参数记作(μ0,σ0)，根据下式计算像素点(k,q)对应的检测统计量：

2b)利用像素点(k,q)的杂波区域对应的高斯分布参数(μ0,σ0)，计算像素点(k,q+1)的杂波区域对应的高斯分布参数(μ1,σ1)；对于坐标为(k,q+1)的像素点，保卫窗口中像素点的行范围为[k‑g,k+g]，列范围为[q+1‑g,q+1+g]，背景窗口中像素点的行范围为[k‑b,k+b]，列范围为[q+1‑b,q+1+b]，根据下式分别计算像素点(k,q+1)的杂波区域对应的高斯分布参数(μ1,σ1)，即以此计算像素点(k,q+1)处的检测统计量

2c)利用像素点(k,q+1)的杂波区域对应的高斯分布参数(μ1,σ1)，计算像素点(k,q+2)的杂波区域对应的高斯分布参数(μ2,σ2)，得到像素点(k,q+2)处的检测统计量对第k行剩余Q‑3的像素点采取相似的处理，直至计算得到Q列所有像素点对应的检测统计量；

2d)遍历所有K行像素点，重复执行步骤2a)～步骤2c)，直至计算得到参数空间h(ρ,θ)所有像素点所对应的检测统计量Ts。