1.一种适用于城市区域的自动化形态学滤波方法，其特征在于，包括以下步骤：S1，将点云转换为深度图像，获取二维格网数据；

S2，采用中值去噪法去除深度图像中的噪声数据；

S3，设定滤波窗口尺度范围，采用形态学高帽运算对格网数据进行尺寸标记；

S4，设定面积和粗糙度约束条件，对最大建筑物尺寸进行探测，同时确定最佳 滤波窗口；

S5，通过最佳滤波窗口进行形态学滤波运算，获取形态学滤波结果，依据形态学滤波结果计算各局部地形区域梯度变化，将滤波阈值设定为梯度变化的线性函数；

S6，根据自适应变化的滤波阈值，按点基元逐点进行滤波实现。

2.根据权利要求1所述的适用于城市区域的自动化形态学滤波方法，其特征在于，所述步骤S2具体包括以下步骤：S21，对二维格网数据DSM进行中值滤波，获取中值滤波结果DSMMedian；

S22，计算DSM和DSMMedian之间的高差；

S23，将高差大于5米的格网标记为噪声格网；

S24，将DSM中噪声格网的灰度值用DSMMedian中相应格网的灰度值进行更新。

3.根据权利要求2所述的适用于城市区域的自动化形态学滤波方法，其特征在于，所述步骤S21中的中值滤波具体包括以下步骤：S211，设计3×3的滤波模板，并用此模板对二维格网数据进行依次遍历；

S212，获取模板区域内各个格网的灰度值，并将这些灰度值进行顺序排序；

S213，取这些灰度值的中间数据作为模板中心格网新的灰度值。

4.根据权利要求3所述的适用于城市区域的自动化形态学滤波方法，其特征在于，所述步骤S3具体包括以下步骤：S31，初始化一二维格网数据Size_Flag，其大小与DSM相同；

S32，设定最大滤波窗口，并获取一系列按尺寸从小到大排序的滤波窗口集；

S33，依次采用这些滤波窗口用形态学高帽运算对DSM格网数据进行处理，计算不同滤波窗口下各个格网的高程变化响应值DSMtop(i,j)；

S34，计算不同滤波窗口对应的滤波阈值tre；

S35，在二维格网数据Size_Flag中，将DSMtop(i,j)大于阈值tre的格网标记为相对应滤波窗口的尺寸。

5.根据权利要求4所述的适用于城市区域的自动化形态学滤波方法，其特征在于，所述步骤S33的形态学高帽运算具体包括以下步骤：S331，对二维格网数据DSM进行进一步地行形态学腐蚀运算；

S332，进而对形态学腐蚀运算的结果进行形态学膨胀运算，获得开运算结果ODSM(i,j)；

S333，计算DSM(i,j)和ODSM(i,j)之间的差值，获得形态学高帽运算结果DSMtop(i,j)。

6.根据权利要求5所述的适用于城市区域的自动化形态学滤波方法，其特征在于，所述步骤S4具体包括以下步骤：S41，对二维格网数据Size_Flag进行四连通分析，获得连通结果BW；

S42，设定面积约束阈值为T1；

S43，根据面积阈值计算出对应的粗糙度阈值；

S44，按从大到小的顺序，依次遍历BW中的各个连通部分，判断其是否符合面积和粗糙度的约束条件；

S45，如果不符合，则继续遍历；如果符合，则跳出循环遍历，此时连通部分所对应的滤波窗口即为最佳的滤波窗口。

7.根据权利要求6所述的适用于城市区域的自动化形态学滤波方法，其特征在于，所述步骤S41中四连通分析具体包括以下步骤：S411，依次遍历Size_Flag中各个格网的数值；

S412，如果在上下左右四个位置存在与该格网数值相同的格网，则将这两个格网标记为连通。

8.根据权利要求7所述的适用于城市区域的自动化形态学滤波方法，其特征在于，所述步骤S5具体包括以下步骤：S51，通过最佳滤波窗口进行形态学滤波运算，获取形态学滤波结果DTMMorph；

S52，计算获取DTMMorph各局部区域的梯度变化；

S53，将点基元滤波阈值Tr(k)表示为梯度变化的线性函数，实现滤波阈值随地形变化的自适应更新。

9.根据权利要求8所述的适用于城市区域的自动化形态学滤波方法，其特征在于，所述步骤S6具体包括以下步骤：计算各个点与DTMMorph之间的残差，将残差大于阈值Tr(k)的点标记为非地面点并进行剔除。