1.一种基于卷积神经网络的遥感图像场景自动提取和分类方法，其特征在于，包括以下步骤：

1）、数据获取步骤：采用高分辨率卫星获取分辨率高于0.6m的遥感图像；

2）、数据预处理步骤：对获取到的遥感图像数据进行预处理；

3）、遥感图像逐像素分类步骤：采用基于像元的分类，利用像元的光谱信息、纹理信息、空间关联在内的信息对像元表示的地物类别属性进行判断并分类；或者对场景数据集采用传统的聚类方法进行分类；

4）、制作训练数据集：将分类专题图及原遥感图片上的各种场景制成训练集,输入神经网络模型进行训练；当训练达到一定精度时对遥感图像进行场景识别分类；

所述步骤3）将遥感图中标记的场景和同样位置的逐像素分类专题图，或者场景数据库中的场景图及其对应的逐像素分类专题图进行拼接；

所述拼接的具体方法为：通过在遥感图像N个波段之后加入一个新波段，当原场景图或从遥感图像上切割的输入场景图大小为n×n×b，其中n为图的宽度和高度，b为波段数;逐像素分类专题图为n×n×1；两图在波段维度进行拼接，拼接后的图片为n×n×（b+1）；

输入神经网络的数据为带有标签的场景特征图，该场景特征图除了场景的各个波段还会有额外一个通道为该场景的逐像素分类专题图，即把比原遥感图像的波段多一个通道的特征图作为输入；

神经网络分类过程有两个滑动窗口遍历整个遥感图像及逐像素分类专题图，输入神经网络的特征图为将两个窗口中的各个波段数据及逐像素分类专题图拼接而成为一张的特征图，两个滑动窗口在原遥感图像和像素分类特征图上的位置必须位于相同的坐标且同步滑动。

2.根据权利要求1所述的基于卷积神经网络的遥感图像场景自动提取和分类方法，其特征在于，采用包括SVM支持向量机或K最邻近、或者采用神经网络方法进行分类，其分类得到的特征图与原遥感图像分辨率、坐标一致。

3.根据权利要求1所述的基于卷积神经网络的遥感图像场景自动提取和分类方法，其特征在于，所述步骤3）的分类结果可以作为以滑动窗口大小为像素块的专题图，其中识别出的场景的像素值为其对应的编号，而其它没有被识别的区域的像素值为非任何场景所对应的编号。