1.一种通过改进拉普拉斯自动识别南支槽的方法，其特征在于，包括以下步骤：S1、获取位势高度场格点数据H；其中H [i，j]表示格点数据中第i行第j列的元素，H [i，j+1]表示H [i，j]右侧的一个格点，Δx表示H [i，j]与H [i，j+1]两点间距离；H [i+1，j]表示H [i，j]下侧的一个格点，Δy表示H [i，j]与H [i+1，j]两点间距离；

S2、计算位势高度场H在x方向的梯度场；

S3、在梯度场中寻找梯度值由负到正的转折点，并对梯度场进行清理，得到清理后的梯度场；

S4、对清理后的梯度场计算x方向散度，得到改进后的拉普拉斯值L'；

S5、将改进后的拉普拉斯值L'进行0,1二值化处理，得到黑白图像和待选槽线的多个目标；

S6、通过膨胀算法将黑白图像中待选槽线的多个目标合并，并通过腐蚀算法使膨胀后的图像恢复原有尺度，通过图像识别轮廓，得到合并后的目标轮廓；

S7、对合并后的目标轮廓计算轮廓指向角度和轮廓长短轴之比，寻找有效目标；

S8、对有效目标提取东西南北4个方向的端点，并对有效目标对应的槽线的形态进行调整，得到调整后的槽线；

S9、将调整后的槽线进行拟合，得到南支槽。

2.根据权利要求1所述的一种通过改进拉普拉斯自动识别南支槽的方法，其特征在于，步骤S2的具体实现方式如下：根据公式：

得到x方向的梯度场 ；其中， 表示位势高度场在第i行第j列处的高度差；△x为此两点间在x方向的距离； 为格点数据中第i行第j列的x方向梯度值。

3.根据权利要求2所述的一种通过改进拉普拉斯自动识别南支槽的方法，其特征在于，步骤S3的具体实现方式如下：S3‑1、根据梯度场判断梯度值由负到正的转折点；

S3‑2、针对梯度值正负转折点的左侧的点，保留 的数据；将其余各点梯度值赋值为0；得到清理后的梯度场 ；其表达式为：。

4.根据权利要求3所述的一种通过改进拉普拉斯自动识别南支槽的方法，其特征在于，步骤S4的具体实现方式如下：根据公式：

得到改进后的拉普拉斯值L'；其中， 表示清理后的梯度场中 右侧一点的格点数据。

5.根据权利要求4所述的一种通过改进拉普拉斯自动识别南支槽的方法，其特征在于，步骤S5的具体实现方式如下：将改进后的拉普拉斯值L'≠0的区域的亮度赋值为255，其余区域亮度赋值为0；其中，改进后的拉普拉斯值在槽线可能存在的目标区域值为L'≠0，其他区域L'=0。

6.根据权利要求5所述的一种通过改进拉普拉斯自动识别南支槽的方法，其特征在于，步骤S6的具体实现方式如下：S6‑1、根据公式：

对黑白图像进行膨胀，使多个目标合并，得到膨胀后的图像Y1；其中，B表示卷积模板图像；A表示原图像；x表示图像中的元素点；将图像B按照元素点x平移，得到的点的集合记作B（x）；B（x）表示在图像A中移动的结构元素； 表示膨胀运算；表示空集；

S6‑2、根据公式：

对膨胀后的图像进行腐蚀处理以恢复目标的原有尺寸，得到腐蚀后的图像Y2；其中，!表示腐蚀运算；y表示膨胀后的图像中的元素点；将图像B按照元素点y平移，得到的点的集合记作B（y）；

S6‑3、对黑白图像重复步骤S6‑1至步骤S6‑2直到30次，并对膨胀和腐蚀处理后的图像识别轮廓，得到合并后的目标轮廓。

7.根据权利要求6所述的一种通过改进拉普拉斯自动识别南支槽的方法，其特征在于，步骤S7的具体实现方式如下：S7‑1、过合并后的轮廓内接椭圆的中心点建立直角坐标系，合并后的轮廓内接椭圆的长轴与x轴的夹角为目标指向角度，合并后的轮廓内接椭圆的长轴长度与短轴长度之比为长短轴之比；

S7‑2、对所有的合并后的轮廓保留指向角度小于90°且内接椭圆的长短轴之比大于2的轮廓，作为有效目标；

S7‑3、判断膨胀腐蚀次数是否达到100次；若是，进入步骤S7‑4；否则，增加5次膨胀次数并进入步骤S6；

S7‑4、判断有效目标个数是否为0；若是，表示该位势高度场不存在南支槽，结束判别；

否则，进入步骤S7‑5；

S7‑5、获取当前所有的有效目标。

8.根据权利要求7所述的一种通过改进拉普拉斯自动识别南支槽的方法，其特征在于，步骤S8的具体实现方式如下：S8‑1、将所有目标端点中最北端的点P和最南端的点Q连线，求得中点M；

S8‑2、过中点M作一条水平线，在水平线上M点右侧，即槽线运行前方取点N；

S8‑3、令M点与N点间的距离|MN|为P点到Q点间的距离|PQ|的五分之一，得到最优的目标的槽线的形态，得到调整后的槽线。

9.根据权利要求8所述的一种通过改进拉普拉斯自动识别南支槽的方法，其特征在于，步骤S9的具体实现方式如下：S9‑1、对调整后的槽线分别用直线连接N点和P点、N点和Q点；

S9‑2、每段直线分别进行贝塞尔曲线插值，将连接各点的直线替换成平滑的曲线，形成光滑连续的曲线，即为南支槽。