1.一种城市高分遥感影像阴影检测及分割方法，其特征在于，包括以下步骤：(1)对城市多波段遥感影像进行影像量化，然后基于卡方变换对量化后的遥感影像进行阴影检测和补偿，获得阴影补偿影像；所述基于卡方变换对量化后的遥感影像进行阴影检测的过程如下：设非阴影区域服从高斯分布，则将阴影视为出界点，根据卡方变换进行阴影检测：Y＝(X-m)TΣ-1(X-m)～χ2(b)                           (1)上式中，X为随机变量，m和Σ分别为非阴影区域的均值和协方差矩阵，Y为服从自由度为b的卡方变换的随机变量，b为高分辨率多光谱影像的波段数目；

给定置信度为1-α时，有：

则影像卡方值小于 的区域视为阴影区域；

最后，对所提取的阴影区域采用形态学膨胀与腐蚀的闭运算来填充细小空洞，从而获得获得阴影检测结果；

(2)对于获取的阴影补偿影像，计算多尺度J-image序列，并进行多尺度分割和区域合并，得到最终的遥感影像分割结果。

2.根据权利要求1所述城市高分遥感影像阴影检测及分割方法，其特征在于：在步骤(1)中，所述对城市多波段遥感影像进行影像量化的方法为，采用HCM聚类算法将多波段遥感影像量化为包含256个灰度级的灰度影像。

3.根据权利要求1所述城市高分遥感影像阴影检测及分割方法，其特征在于：在基于卡方变换对量化后的遥感影像进行阴影检测的过程中，非阴影区域的均值m和协方差矩阵Σ采用如下迭代算法求得：(a)给定置信度1-α、最大迭代次数M以及阈值ε，选择部分阴影区域作为训练样本；

(b)计算权利要求1中的式(1)和式(2)；

(c)确定非阴影区域，并更新非阴影区域的均值和协方差矩阵；

(d)如果迭代次数大于M或者本次迭代和上次迭代的均值和协方差矩阵的变化值小于ε，则迭代终止；否则返回步骤(b)，继续迭代。

4.根据权利要求1所述城市高分遥感影像阴影检测及分割方法，其特征在于：在步骤(1)中，将所有检测为阴影的像素的灰度值设定为0，即得到阴影补偿影像。

5.根据权利要求1所述城市高分遥感影像阴影检测及分割方法，其特征在于：步骤(2)的具体过程如下：(A)采用Haar小波对阴影补偿影像进行多尺度分解，并计算获得多尺度J-image序列；

(B)在最粗糙尺度J-image中计算阈值TN，确定种子区域，对剩余的非种子区域像素，重新计算阈值TN′，更新种子区域；依据种子区域进行区域增长，获得当前尺度下的分割结果；

阈值TN的计算方法如下：

TN＝μN+ρσN

其中，μN和σN分别当前尺度中所有像素所对应J-value的均值和标准差，ρ为预先设定的阈值，将所有小于阈值TN的点作为种子点，进而采用4-connectivity获得种子区域；

(C)将当前尺度下的分割结果映射到下一个精细尺度中，并对映射结果进行边界修正；

基于映射结果，依据局部同质性提取在当前尺度下需要分割的区域，按照步 骤(B)获得当前尺度下的分割结果；

(D)重复步骤(C)，直到所有尺度计算完毕；在最精细尺度中，为避免欠分割现象，对映射结果中的所有区域都进行分割；

(E)对分割结果进行进一步的区域合并处理；一方面，利用颜色直方图描述阴影补偿影像中的各个区域，并计算相邻区域直方图间的欧式距离DH；另一方面，计算相邻区域的色彩标准差距离DColor；最后，根据预先设定的阈值TH和阈值范围TC进行区域合并，若满足DH≤TH且DColor∈Tc，则合并当前相邻区域，从而获得最终的遥感影像分割结果。