1.极化SAR图像的素描图提取方法，其特征在于，包括以下步骤：步骤1，输入待分类的极化SAR图像，对极化SAR图像进行精致Lee滤波处理；

步骤2，构建加权边线滤波器，对所述步骤1处理后的图像进行恒虚警边线检测，得到极化能量图；

所述步骤2的具体步骤为：

步骤2.1，构建M个尺度N个方向的边线滤波器，并构造各向异性高斯核，对边线滤波器进行加权；

步骤2.2，通过Wishart似然比计算每个像素点在不同尺度和方向的边线能量值：Eedge＝max{-2ρlogQ12}Nf                        (1)Eline＝max{min{-2ρlogQ12,-2ρlogQ13}}Nf              (2)其中，

其中，Eedge、Eline分别为边能量值和线能量值，Nf为边线滤波器的个数，Q12、Q13为边线滤波器的不同区域之间的Wishart似然比，Qxy为边线滤波器的x区域和y区域之间的Wishart似然比，n为x区域的视数，m为y区域的视数；Zx为x区域的协方差矩阵的加权平均，Zy为y区域的协方差矩阵的加权平均，p为通道数；

步骤2.3，分别对边能量值和线能量值进行尺度归一化：设定相同的虚警率，为每个尺度的边线滤波器算得一个修正阈值Tf，计算每个像素点的修正能量值：其中，E为修正前的边能量值或线能量值， 为修正后的边能量值或线能量值，取每个像素点在不同尺度不同方向； 的最大值构成极化能量图；

步骤3，构建加权梯度滤波器，对所述步骤1处理后的图像进行梯度边线检测，得到梯度能量图；

所述步骤3的具体步骤为：

步骤3.1，构建加权梯度滤波器：包括构建协方差矩阵以及将协方差矩阵向量化：散射矩阵S为：

其中，Shh为水平接收的水平向发射极化波的回波数据、Shv为垂直接收的水平向发射极化波的回波数据、Svh为水平接收的垂直向发射极化波的回波数据、Svv为垂直接收的垂直向发射极化波的回波数据；在互易性条件下，Shv＝Svh；

由散射矩阵S在Lexicographic基下转换得到协方差矩阵C：将协方差矩阵C向量化，得到向量V：

V＝{C11,C22,C33,real(C12),img(C12),real(C13),img(C13),real(C23),img(C23)}其中，real(·)为求实部操作，img(·)为求虚部操作；

步骤3.2，根据加权梯度滤波器，计算每个像素的加权梯度边线能量：其中，Gedge、Gline分别为边能量值和线能量值，wu、xu分别表示各向异性高斯核中第u个像素的权值和极化向量，wv、xv分别表示各向异性高斯核中第v个像素的权值和极化向量，x、y和z代表加权梯度滤波器中的不同区域，m和n分别为区域y和x的视数；取每个像素点在不同尺度，不同方向边线能量的最大值构成梯度能量图；

步骤4，对所述极化能量图和梯度能量图分别进行小波变换，对小波变换得到的高频子带和低频子带分别构造不同策略进行融合；

步骤5，融合所述步骤4处理后的极化能量图和梯度能量图，并对融合后的图像进行非极大值抑制，得到边线图；

步骤6，对所述边线图进行素描追踪算子得到素描线；

步骤7，构建统计假设检验方法进行素描线选择，得到极化素描图。

2.根据权利要求1所述的极化SAR图像的素描图提取方法，其特征在于，所述步骤4的具体步骤为：步骤4.1，分别对所述极化能量图和梯度能量图进行三层平稳小波变换，每个像素点的能量值从空域转化为频域；其中，每层包含高高频、高低频、低高频、低低频四个子带；

步骤4.2，对所述高频子带，根据子带方向选择邻域窗，对低频子带，选择固定的邻域窗；

计算每个像素点(i,j)的邻域局域能量E(i,j)：其中，N为邻域窗内的像素个数，η为像素点(i,j)的邻域集合，像素点(s,t)属于集合η，F(s,t)为像素点(s,t)的频域能量值；

步骤4.3，分别对所述高频子带和低频子带采用不同的语义规则进行融合；对高频子带，选择极化能量图和梯度能量图的局部能量最大值作为融合后的能量值；对低频子带，选择极化能量图和梯度能量图的加权能量均值作为融合后的能量值；

融合规则定义如下：

其中，Fhigh表示高高频、高低频、低高频三个高频子带融合后的能量值，FLL表示低频子带融合后的能量值，1指代极化能量图，2指代梯度能量图。

3.根据权利要求2所述的极化SAR图像的素描图提取方法，其特征在于，所述步骤5中，选用双阈值的非极大值对融合后的图像进行抑制，其中，使用自适应的阈值选择算法自动确定双阈值的大小。

4.根据权利要求2所述的极化SAR图像的素描图提取方法，其特征在于，所述步骤6具体为：找到所述边线图中响应最大的位置，将最大响应位置的点连接成线段，根据素描追踪算法，得到素描线。

5.根据权利要求2所述的极化SAR图像的素描图提取方法，其特征在于，所述步骤7的具体步骤为：步骤7.1，根据Wishart分布和假设检验方法，计算每条素描线的重要程度；

根据假设检验方法，一条素描线是否应该被保留的假设如下：H0：提取的素描线不应该被保留；

H1：提取的素描线应该被保留；

每条素描线的重要程度定义为G：

其中，素描线由Q条素描线段构成，Sw是第w条素描线段；P(Sw|Hk),k＝{0,1}表示Sw满足假设Hk的概率，用Wishart分布计算lnP(Sw|Hk),k＝{0,1}：-1

其中，Cd为第d个像素的协方差矩阵，Tr(·)为矩阵求迹运算，Cd 为Cd的逆；

步骤7.2，设定素描线段的编码长度增益阈值，对重要程度大于编码长度增益阈值的素描线进行保留，对重要程度小于编码长度增益阈值的素描线进行去除，得到极化素描图。