1.一种面向高分辨率遥感图像的分割方法，其特征在于：包含以下步骤，S11：根据待处理遥感图像的像素大小、纹理特征复杂度、几何特征复杂度和光谱特征复杂度，将原始图像划分成 个正方形子图 ，记集合；

S12：提取每个子图 的典型纹理特征，包括灰度熵 ，对比度，角度二阶矩 ；其中， 指的是子图 的像素大小， 指的是子图 中像素对 和 出现在子图 中的概率，像素差分值 可以根据图像纹理细腻程度的高低而取不同的常数；

S13：提取每个子图 的典型几何特征，包括线段平均长度 ，其中 指的是子图 中检测到的线段数量,  指的是第 条线段起止点位置的坐标；线段长度熵 ，其中 是在子图 长度直方图中长度位于第 个区间的线段个数；梯度幅值均值 ，其中 和 分别是子图 中像素对 和 的水平梯度和垂直梯度；

S14：提取每个子图 的典型光谱特征，包括像素值均值 ，其中 指的是像素 的值；标准偏差 ，像素值的协方差矩阵 ；

S15：将上述步骤中的多种特征进行融合，得到综合特征向量其中 是每种特征归一化的权重系数， ；再利用支持向量数据描述方法对综合特征向量进行处理，通过对子图的迭代聚类实现图像分割。

2.如权利要求1所述的一种面向高分辨率遥感图像的分割方法，其特征在于：所述步骤S15中所利用的支持向量数据描述方法，主要包含以下步骤：S21：引入满足Mercer定理的非线性映射 ，满足 ，其中核函数常用的形式有线性核函数，多项式核函数，径向基核函数，Sigmoid核函数和复合核函数；

S22：在引入映射 的核特征空间中求解以下二次规划问题

其中， 代表人为对聚类误差的惩罚参数；求解出符合上述规划要求的 ，其下标集合所对应的子图即为原始图像中可以被聚为一类的子图集合；计算聚类因子 ，其中为集合元素个数运算符；

S23 ：若聚类因子 ，则意味着原始图像分割结束；若 ，令 ，转向步骤S12，并进而迭代执行其后续步骤，其中 为聚类子图比例上限阈值，控制着聚类过程的迭代次数和图像分割的精细程度。