1.一种城市场景下的高分遥感建筑物阴影检测方法，其特征在于，包括以下步骤：步骤1)对建筑物遥感影像进行基于WJSEG算法的多尺度区域分割，获得基本分析单元；

步骤2)提取每个基本分析单元的建筑物阴影辐射特征；

步骤3)提取每个基本分析单元建筑物阴影分形属性，将步骤2)提取的辐射特征和步骤

3)提取的分形属性组成该基本分析单元的特征向量；

步骤4)基于主动学习的SVM分类器得到建筑物阴影检测结果。

2.根据权利要求1所述的一种城市场景下的高分遥感建筑物阴影检测方法，其特征在于：在步骤(2)中，所述建筑物阴影辐射特征包括RF1、RF2和RF3：提取每个基本分析单元的灰度直方图，计算该灰度直方图与训练样本集中所有已标记样本的灰度直方图的欧式距离均值作为RF1；

将原始影像的红、绿、蓝波段转换至HSV空间，在色调H影像中提取每个基本分析单元的灰度直方图，在色调H影像中结合已标记样本计算欧式距离均值最为RF2；

计算绿色波段与蓝色波段的差值影像，在该差值影像中获得每个基元与已标记样本的欧式距离均值作为RF3。

3.根据权利要求1所述的一种城市场景下的高分遥感建筑物阴影检测方法，其特征在于：在步骤(3)中，所述建筑物阴影分形属性包括分形计盒维数、空间几何变化率和分形拟合误差；

在单波段影响中设定尺度参数r，N(r)为尺度r下覆盖整幅影像所需要的几何图形个数，则基本分析单元中某像素的分形计盒维数 计算基本分析单元中所有像素的分形计盒维数的均值Davg作为该基本分析单元的分形计盒维数特征，遍历所有基本分析单元，获得分形计盒维数属性集合DN＝{Davg1,Davg2...DavgN}，下标N为基本分析单元总数；

定义基本分析单元中某像素的空间几何变化率 上式中，r1与r2为尺度参数，D为分形计盒维数，A(r1)和A(r2)分别为尺度r1和r2下对应的曲面面积；

计算基本分析单元内部所有像素g值的平均值gavg作为空间几何变化率特征，遍历所有基本分析单元，获得空间几何变化率属性集合GN＝{gavg1,gavg2...gavgN}；

定义基本分析单元中某像素的分形拟合误差e：

上式中，m为尺度参数总数，D为分形计盒维数，g为空间几何变化率，A(r)为尺度r下的曲面面积；

计算每个基本分析单元内部所有像素的e值的平均值eavg作为分形拟合误差特征，遍历所有基本分析单元，获得分型拟合误差属性集合EN＝{eavg1,eavg2...eavgN}。

4.根据权利要求3所述的一种城市场景下的高分遥感建筑物阴影检测方法，其特征在于：在计算分形计盒维数时，尺度参数r取基本分析单元的最大内切圆的直径；在计算空间几何变化率时，尺度参数r1为基本分析单元的内切圆直径，尺度参数r2为基本分析单元的外接圆直径；在计算分形拟合误差时，设定尺度参数总数m＝2。

5.根据权利要求1所述的一种城市场景下的高分遥感建筑物阴影检测方法，其特征在于，在步骤(4)中，在SVM分类器中，设建筑物阴影类和非建筑物阴影类的决策函数为：上式中，xi为候选样本，yi为xi所对应的标号，αi为Lagrange乘子，K为样本容量，b为确定最优超平面的参数，(xi·x)为两个向量的点积；

在主动学习过程中，基于SSIM的用户可信度阈值选择策略来对样本进行精炼：分别计算当前样本与前一个属于建筑物阴影类或非建筑物阴影类的已标注样本间的SSIM，设当前样本与前一个已标记样本所对应的向量分别为X和Y，两个样本之间的SSIM由下式计算得到：上式中，μx，μy，σx，σy， σxy分别是X与Y的均值、标准差、方差和协方差；

在主动学习每一次迭代过程中，只有当该样本与当前超平面的距离最小，且SSIM大于

0.5时，才对该样本进行标注。