1.一种在高分辨率遥感影像中识别东北红豆杉的方法，包括以下步骤：S1，输入高分辨率遥感影像(简称：Image)，遥感影像的分辨率(简称：Resolution)，计算待分析影像块的尺度Size，在Image上选取一个包含东北红豆杉的坐标位置(HHD，LHD)、一个非针叶植被的坐标位置(HFZY，LFZY)，一个非东北红豆杉的针叶植物坐标位置(HFHD，LFHD)：Image是由像元构成的，包含3个波段：R红色波段、G绿色波段、B蓝色波段；Image中的一个像元Pixel包含以下属性：Pixel.R红波段的值；

Pixel.G绿波段的值；

Pixel.B蓝波段的值；

Pixel.Vfeature植被特征值，默认值为0；

Pixel.ZYSelected针叶选择变量，默认值为0；

Pixel.Zfeature针叶特征值，默认值为0；

Resolution为单位为厘米的遥感影像分辨率；

待分析影像块的尺度Size的计算公式如下：其中，round是对输入的数值进行四舍五入的函数；Suguan为树冠宽度指数，取值范围为4-8，默认值为4.5；

HHD、HFZY、HFHD为该位置在高分辨率影像上所处的坐标行数；

LHD、LFZY、LFHD为该位置在高分辨率影像上所处的坐标列数；

S2，对于Image中的所有像元，根据待分析影像块的尺度Size计算其植被特征值(Vfeature)：S201，取出Image中的一个像元Pixel；

S202，以Pixel所在位置(HPixel，LPixel)为中心，在Image中取出宽度为2×size+1个像元，高度为2×size+1个像元的影像块Patch；

影像块Patch中包含N个像元，其中N＝(2×size+1)×(2×size+1)，这些像元分别标记为P(1),P(2),…,P(N)；

S203，采用如下公式计算Patch植被特征值Vfeature：其中，P(i)为Patch中第i个像元，P(i).R、P(i).G、P(i).B为该像元的红、绿、蓝波段的值；Pixel.R、Pixel.G、Pixel.B为Pixel的红、绿、蓝波段的值；log为自然对数；

S204，将Patch植被特征值存储到Pixel当中：Pixel.Vfeature＝Vfeature；

S205，如果Image中所有像元均已经计算完成那么转到S206，否则转到S201；

S206，该部分的处理过程结束；

S3，根据Image中所有像元的植被特征值、东北红豆杉的位置(HHD，LHD)、非针叶植被的位置(HFZY，LFZY)设定所有像元的针叶选择变量；

S301，取出东北红豆杉的位置(HHD，LHD)对应的像元PHD，获得其植被特征值V1＝PHD.Vfeature；

S302，取出非针叶植被的位置(HFZY，LFZY)对应的像元PFZY，获得其植被特征值V2＝PFZY.Vfeature；

S303,计算植被特征均值距离Dmean，其计算公式如下：其中，abs为计算绝对值的函数；

S304，取出Image中的一个像元Pixel；

S305，获得该像元的植被特征VT＝Pixel.Vfeature；

S306,计算植被特征距离公式DZB，其公式如下：S307，如果DZB>Dmean，那么Pixel.ZYSelected＝0，否则Pixel.ZYSelected＝1；

S308，如果Image中所有像元均已经计算完成那么转到S309，否转到S304；

S309，该部分的处理过程结束；

S4，对于所有Image中的所有像元，根据待分析影像块的尺度Size计算其针叶特征值(Pixel.Zfeature)：S401，取出Image中的一个像元Pixel；

S402，如果Pixel.ZYSelected＝1那么转到S403，否则转到S412；

S403，以Pixel所在位置(HPixel，LPixel)为中心，在Image中取出宽度为2×size+1个像元，高度为2×size+1个像元的影像块Patch；

影像块Patch中包含N个像元，其中N＝(2×size+1)×(2×size+1)，这些像元分别标记为P(1),P(2),…,P(N)；

S404,像元计数器Counter＝1，总和统计变量sum＝0；

S405，取出Patch中第Counter个像元P(counter)；

S406，取出P(counter)所在位置相邻的左、左上、上、右上、右、右下、下，左下共8个邻域像元，标记为PN[1],PN[2],…,PN[8]；

S407,计算像元的异质性值DS：

S408，将DS加入sum中，sum＝sum+DS；

S409,Counter＝Counter+1；

S410,如果Counter>N那么转到S411，否则转到S405；

S411,设定Pixel的针叶特征值，Pixel.Zfeature＝tanh(sum),转到S413；

其中，tanh为双曲正切函数；

S412，设定Pixel.Zfeature＝-1；

S413，如果Image中所有像元均已经计算完成那么转到S414，否转到S401；

S414，该部分的处理过程结束；

S5.根据Image中所有像元的植被特征值、东北红豆杉的位置(HHD，LHD)、一个是针叶植物但不是东北红豆杉的位置(HFHD，LFHD)获得筛选结果影像ResultImage：S501，建立一个和Image大小相同的筛选结果影像ResultImage，该影像所有像元填充为黑色；

S502，取出东北红豆杉的位置(HHD，LHD)对应的像元PHD，获得其针叶特征值Z1＝PHD.Zfeature；

S503，取出是针叶植物但不是东北红豆杉的位置(HFHD，LFHD)PFHD，获得其植被特征值Z2＝PFHD.Zfeature；

S504,计算针叶特征均值距离Zmean，其的计算公式如下：S505，取出Image中的一个像元Pixel；

S506，获得该像元的植被特征ZT＝Pixel.Zfeature；

S507，如果ZT<0那么转到S512，否则转到S508；

S508,计算针叶特征距离公式ZJL，其公式如下：S509，如果ZJL>Zmean，那么转到S512，否则转到S510；

S510，获得Pixel的位置(Hp,Lp)；

S511，将ResultImage的(Hp,Lp)位置的像元标记为白色；

S512，如果Image中所有像元均已经计算完成那么转到S513，否转到S505；

S513，输出筛选结果影像ResultImage,在该影像中黑色部分是非东北红豆杉，而白色部分是本方法识别出的东北红豆杉的位置。