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，
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；
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
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
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
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：
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；
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[q-b,q+b]，当前杂波区域内的像素点数为nc＝(2b+1)2-(2g+1)2，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(μ0,σ0)，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
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。