1.一种面向地理对象的高分遥感影像分割方法，其特征在于，包括以下步骤：

(1)通过对原始遥感影像进行过分割，提取初始种子区域集合，根据初始种子区域集合构建区域邻接图RAG；在过分割产生的量化影像中，计算每个种子区域对应的对象置信度指标OC，并作为其初始最大对象置信度OCmax；

(2)在下一尺度中，对于每个种子区域RC，在RAG中确定所有与其临接的种子区域集合，分别计算RC与该种子区域集合中每个种子区域RD之间的相似度，根据相似度结果进行区域合并；

(3)在当前尺度下，计算RA的对象置信度指标OCl，并与RC对应的OCmax进行比较，若OCl大于OCmax，则认为此次合并有利于接近地理对象，保留此次合并结果，并令RA的最大置信度OCmax＝OCl，同时更新RAG；否则，放弃此次区域合并，在当前尺度中恢复RA为RC，保持RAG及RC的OCmax不变；

(4)重复步骤(2)-(3)，遍历所有种子区域，获得当前尺度下的区域合并结果，并将其作为下一尺度中新的种子区域集合，进入步骤(5)；

(5)在下一尺度中，重复步骤(2)-(4)，直到所有尺度计算完毕，从而获得最终的分割结果。

2.根据权利要求1所述面向地理对象的高分遥感影像分割方法，其特征在于：在步骤(1)中，首先定义尺度参数集合，提取多尺度J-image序列，仅在最小尺度的J-image中进行过分割，得到初始种子区域集合，各个种子区域表征各种典型的地理对象。

3.根据权利要求1所述面向地理对象的高分遥感影像分割方法，其特征在于：所述对象置信度指标OC用于反映当前区域与地理对象之间的匹配程度：OCl＝α·Sl+(1-α)Bl

上式中，下标l代表尺度序号，α∈(0,1)为设定的权重参数，Sl为度量任意区域多尺度内部均质程度的指标，Bl为评价该区域的轮廓规则程度的指标。

4.根据权利要求3所述面向地理对象的高分遥感影像分割方法，其特征在于：设在尺度l中，通过区域合并后获得的一个区域为RA，则度量任意区域多尺度内部均质程度的指标Sl的定义如下：上式中，JAl为RA所对应的局部均质性指标J-value；ωAl为计算SAl时RA在各波段中的均质程度所占的比重，M1为最小尺度，ML为最大尺度，其表达式如下：上式中，I(l,avg)为尺度l与其他所有尺度的互信息均值。

5.根据权利要求3所述面向地理对象的高分遥感影像分割方法，其特征在于：设在尺度l中，通过区域合并后获得的一个区域为RA，则评价该区域的轮廓规则程度的指标Bl的定义如下：上式中，rA为RA轮廓包含的像素数，omin为RA的最小外接矩形轮廓包含的像素数，omax为RA为RA的最大内切圆轮廓包含的像素数。

6.根据权利要求1所述面向地理对象的高分遥感影像分割方法，其特征在于：在步骤(2)中，所述RC与RD之间的相似度用结构相似性SSIM表征：上式中，μC、μD分别为RC、RD的均值， 分别为RC、RD的方差，σCD为RC与RD的协方差；

设定SSIM阈值HSSIM，当S(RC,RD)≥HSSIM时，RC与RD才能够再进行后续的合并判别。