1.一种基于分水岭的极化SAR影像超像素分割方法，其特征在于：包括以下步骤：步骤1：采用ROA边缘检测法，利用极化SAR图像相干矩阵或协方差矩阵计算梯度图；

步骤2：设置超像素个数N，根据超像素个数，将图像按照规则网格进行划分，均匀布设标记点；

步骤3：将梯度值视为高程值，梯度图视为地形图，以标记点为注水点，模拟注水过程，进行加入空间约束的标记分水岭分割；

步骤3.1：计算与已标记点m相邻的像素点i的优先级Pi(m)；

该优先级是像素点i所处位置的梯度Gi、像素点i与标记点m之间的空间距离Di(m)、以及空间约束参数s的函数，表达式为：Pi(m)＝f(Gi,Di(m),s)

步骤3.2：按照优先级大小进行排序，优先级大的像素点优先标记为m，并返回步骤3.1，继续计算其相邻像素的优先级，直到所有像素都计算完成；

当某个像素x与超过一个已标记点相邻，并且其标记值不同，则将该点x标记为边缘像素；

步骤4：利用极化SAR图像相干矩阵或协方差矩阵，计算边缘像素与邻接区域的非相似度，将其合并到非相似度最小的邻接区域中。

2.根据权利要求1所述的一种基于分水岭的极化SAR影像超像素分割方法，其特征在于：所述步骤1中，采用ROA边缘检测法计算梯度图，具体步骤如下：步骤1.1：设置检测模板参数l、w、d、θ，获得n＝π/θ个模板；其中，l是模板长度，w是模板宽度，d是模板区域R1和R2间的距离，θ是模板对应的角度；检测模板的中心像素点为待检测点；

步骤1.2：对n个不同方向θ下的模板，计算模板区域R1和R2之间的梯度G12(θ)，获得n个梯度值；其中，梯度的计算公式为：G12(θ)＝2ln|X1+X2|‑ln|X1|‑ln|X2|+2qln2其中，X1、X2分别表示方向θ下模板区域R1和区域R2的q×q的极化SAR图像相干矩阵或协方差矩阵，q表示矩阵维度；

步骤1.3：将步骤1.2所得n个梯度值中的最大值记为Gmax，作为待检测点的最终梯度值；

所有像素计算完毕后，得到梯度图。

3.根据权利要求1所述的一种基于分水岭的极化SAR影像超像素分割方法，其特征在于：所述步骤2中，设置扰动半径r，标记点最终的布设位置在初始布设位置的半径r范围内梯度最小的点上。

4.根据权利要求1所述的一种基于分水岭的极化SAR影像超像素分割方法，其特征在于：所述优先级的计算公式为：式中，P表示优先级，G表示梯度，s表示空间约束参数，D表示空间距离，L表示超像素边长。

5.根据权利要求4所述的一种基于分水岭的极化SAR影像超像素分割方法，其特征在于：所述超像素边长L计算公式为：式中，I为图像总像素数、N为超像素个数。

6.根据权利要求1所述的一种基于分水岭的极化SAR影像超像素分割方法，其特征在于：所述步骤4中非相似度的计算公式为：diag

式中，Li,j表示边缘像素i与其邻接区域j的非相似度，T 表示3×3的相干矩阵中对角线元素组成的矢量，||·||1表示1‑范数。

7.根据权利要求1‑6任一所述的一种基于分水岭的极化SAR影像超像素分割方法，其特征在于：所述步骤4中，在完成边缘像素处理后，将像素数小于阈值nth，并且与邻接区域非相似度最小值小于阈值Lth的区域合并到其非相似度最小的邻接区域中，实现噪声区域消除。