1.一种人工阴影驱动下多层次整体松弛匹配的高分辨率正射影像阴影检测方法，其具体步骤如下：

步骤1）利用数字建筑物模型DBM生成人工阴影影像；

步骤2）创建人工阴影影像和正射影像中建筑阴影轮廓数据集，计算并添加阴影面匹配单元的特征属性；

步骤3）利用建筑物高度对两组阴影数据集进行分层；

步骤4）初始化两组阴影数据集概率矩阵；

步骤5）计算影像中各阴影面邻域的支持系数，对初始概率矩阵进行迭代更新；

步骤6）根据阴影面轮廓的角点特征对1:M、N:1、M:N候选匹配对进行筛选，确定匹配对；

步骤7）根据步骤4）–步骤6）对建筑物阴影数据集进行多层次并行面特征整体松弛匹配，依据阴影的特征值对每层设置不同的邻域相似阈值和总相似阈值确定该层的匹配对；

将每匹配层中未匹配的建筑物阴影划分至人工阴影未匹配集合和正射影像未匹配集合中，按照相同的方法对未匹配集合中的建筑物阴影进行面特征整体匹配得到最后的匹配结果，从而完成高分辨率的正射影像的阴影检测。

2.根据权利要求1所述的人工阴影驱动下多层次整体松弛匹配的高分辨率正射影像阴影检测方法，其特征在于：在步骤2）中所述的匹配单元特征属性包括阴影面的位置、形状特征属性：

采用Canny边缘检测算法提取影像中阴影轮廓，结合DBM数据对提取到的阴影轮廓进行分割筛选，确定两幅影像中建筑物阴影面的轮廓范围和大小；根据轮廓对应的坐标值，计算出每个阴影面的重心坐标；提取阴影轮廓特征点，计算每个阴影面的形状中心距离值。

3.根据权利要求1所述的人工阴影驱动下多层次整体松弛匹配的高分辨率正射影像阴影检测方法，其特征在于：在步骤3）中所述的对两组阴影数据集进行分层是根据每个阴影面对应的建筑物高度进行分层：

对比两幅影像中阴影面的差异，总结阴影面差异的规律，利用建筑物的高度对影像中的建筑物阴影进行分层，将每幅影像分成筑物的高度对影像中的建筑物阴影进行分层，将每幅影像分成筑物的高度对影像中的建筑物阴影进行分层，将每幅影像分成筑物的高度对影像中的建筑物阴影进行分层，将每幅影像分成3层。

4.根据权利要求1所述的人工阴影驱动下多层次整体松弛匹配的高分辨率正射影像阴影检测方法，其特征在于：在步骤4）中所述的初始化两组阴影数据集概率矩阵：计算两幅影像阴影面之间的位置、形状相似值，得到正射影像中每个阴影面的初始概率值；以建筑物阴影面为匹配单元，计算待匹配的两组面状建筑物阴影面数据集中对应面间的位置和形状相似性；设置权值，加权平均得到两组数据中阴影面间的相似度矩阵；

对初始候选匹配对进行粗筛，剔除明显错误的候选匹配对，删除相似性小于给定阈值的并将其赋值为0，得到最终的相似度矩阵；对匹配初始概率进行估算，即把每个候选面的特征相关系数相加，除以所有候选面的相关系数和，得到初始概率矩阵。

5.根据权利要求4所述的人工阴影驱动下多层次整体松弛匹配的高分辨率正射影像阴影检测方法，其特征在于：在步骤5）中，计算影像中各阴影面邻域的支持系数，对初始概率矩阵迭代更新：

确定建筑阴影面的邻域候选匹配对，计算各个邻域要素的支持系数，对初始概率值不断迭代，获取正射影像中建筑物阴影区域的位置；

通过广度优先搜索策略以阴影面重心点为搜索目标，确定建筑物阴影面的目标面邻域数目；计算邻近候选匹配对间的特征差异值和支持程度，更新初始匹配矩阵。

6.根据权利要求5所述的人工阴影驱动下多层次整体松弛匹配的高分辨率正射影像阴影检测方法，其特征在于：在步骤6）中，根据阴影多边形的角点特征对1:M、N:1、M:N候选匹配对进行筛选，确定最终匹配对：

分别计算邻近候选匹配对之间的相对位置和相对形状关系；计算各邻域要素的支持系数；利用位置，形状相似性和相关系数三个相关系数，对匹配概率矩阵进行迭代更新；

提取1:M、N:1、M:N候选匹配对的轮廓特征点；结合阴影面的边缘轮廓，筛选出阴影轮廓的特征点集；每个面轮廓包含的所有特征点曲率值的平均值作为该面的曲率值，计算出候选匹配对间曲率的相似值，确定初始匹配对。