1.一种基于SRM分割和分层线段特征的船舶目标检测方法，其特征在于，包括如下步骤：步骤1，对高分辨遥感图像进行图像分割得到海上目标遥感二值图像；

步骤2，基于步骤1得到的海上目标遥感二值图像进行分层船舶提取算法，包括三个层次：基于LSD的线段检测；边缘检测；海上目标网络提取；

步骤3，根据所述海上目标遥感二值图像上的网络提取最终形状检测确定是否为船舶或岛屿。

2.如权利要求1所述的一种基于SRM分割和分层线段特征的船舶目标检测方法，其特征在于，在所述步骤1中，对高分辨遥感图像进行图像分割得到海上目标遥感二值图像，包括：步骤1-1，采用分段线性拉伸对所述高分辨遥感图像进行图像增强；

步骤1-2，采用SRM算法对所述高分辨遥感图像进行分割得到遥感二值图。

3.如权利要求2所述的一种基于SRM分割和分层线段特征的船舶目标检测方法，其特征在于，所述步骤1-1，包括：利用如下公式(1)的基于分段线性拉伸的图像增强公式进行将感兴趣或者重要的灰度区域拉伸，使该区域的信息量增大，抑制了不感兴趣或者不重要的区域:其中(MINf，MAXf)为遥感数据的范围，分为三段(MINf，a)、(a，b)、(b，MAXf)分别做线性增强到(0，c)、(c，d)、(d，255)三个灰度区间。

4.如权利要求2所述的一种基于SRM分割和分层线段特征的船舶目标检测方法，其特征在于，所述步骤1-2，包括：利用如下公式(2)SRM的合并判定准则将图像中的像素对或区域对按照顺序进行合并以及利用像素灰度值的差异作为梯度计算像素间的相似度对所述高分辨遥感图像进行分割得到遥感二值图:其中 代表k通道R区域的平均观测值，R|R|表示有|R|个像素的区域集合，且有||RR||≤(n+1)min(|R|,g)，常数δ＝1/(6|I|2)，|I|表示图像含有的像素个数，Q代表随机变量的个数，g一般取256；根据像素灰度值的差异计算像素点间的相似度f由公式(3)计算:其中，pk和p'k为相邻的像素值。

5.如权利要求1所述的一种基于SRM分割和分层线段特征的船舶目标检测方法，其特征在于，所述步骤2，包括：步骤2-1，在所述高分辨遥感二值图像上进行基于LSD的线段检测，其中利用每像素点的右边下方的四个像素进行计算LSD梯度由如下公式确定：规范后的梯度：

梯度方向的计算：

其中，x和y为像素点的横坐标和纵坐标；

步骤2-2，在海上目标边缘被提取出许多小线段后，根据动态搜索准则进行将小线段按照小线段的梯度方向搜索邻近线段合并从而达到边缘检测；

步骤2-3，在所述边缘检测后的图像，利用网络提取的方法单独作用于遥感图像中的海上目标。

6.如权利要求5所述的一种基于SRM分割和分层线段特征的船舶目标检测方法，其特征在于，所述步骤2-2，根据动态搜索准则进行将小线段按照小线段的梯度方向搜索邻近线段合并,其中动态搜索准则包括：准则1：初始目标边缘线段区域的特征是由其宽度和角度决定的矩形，在动态搜索的迭代过程中，形成新的目标边缘线段区域，其宽度D和长度L和角度θ，当目标边缘线段区域宽度D＜b，和角度达到一定值时，b是船舶目标宽度，满足阈值准则，该目标边缘线段区域的角度由如下公式确定：其中θli表示目标边缘线段区域里的各个线段角度，其中θregion'表示目标边缘线段区域的角度，m为常数；

标准2：由于线段不受阴影和遮挡以及一些噪声的影响，基于分层线段的间隔距离，目标边缘线段的连接性满足阈值标准，即g

标准3：遥感图像中船舶目标长，几何平滑，原则上是连续的物体，所以它的长度应该达到一定的阈值，在海上目标边缘中提取许多线段，将目标边缘线段区域的最大长度作为满足最小船舶目标的长度，即L>a，其中a为最小船舶目标的长度，L为目标边缘线段区域的长度，m为常数；

准则4：在目标边缘提取了许多线段，线段越多，目标越有可能是船舶(船舶较岛屿小，容易形成密集的边缘)，因此，我们定义线段的密度来识别船舶目标，l是其线段的长度，L是目标边缘线段区域的长度，密度较大的线段作为船舶目标保留；

其中s表示目标边缘线段区域内的线段密度，m为常数。

7.如权利要求6所述的一种基于SRM分割和分层线段特征的船舶目标检测方法，其特征在于，在所述步骤2-3与步骤3中，根据所述高分辨遥感二值图像上的所述边缘线段进行网络提取确定是否为船舶或岛屿，包括步骤：步骤3-1，首先基于阈值将目标边缘线段区域合并到以目标中心平行线上，所述阈值为目标边缘线段区域到以目标中心平行线的距离；

步骤3-2，基于船舶是长、平滑的物体，很容易根据形状检测确定是否为船舶或岛屿。