1.一种城镇纹理特征密度自动提取城镇建成区的方法，其特征在于，包括以下步骤：

1)获取10m分辨率可见光波段的遥感影像，并进行裁剪、拼接、去云操作，得到待提取区域；

2)对预处理后的遥感影像构建灰度影像，对灰度影像基于傅里叶变换滤除低频纹理，获得高频分量的灰度影像；

3)针对步骤2)中得到的高频分量的灰度影像，计算若干个方向的灰度共生矩阵差异性特征，并提取旋转不变性纹理特征；

4)将步骤3)得到的旋转不变性纹理特征组成的图像，映射为0到255的灰度图像，使用大津阈值法OTSU提取特征区域；

5)使用简单线性迭代聚类SLIC算法对步骤1)中得到的待提取区域图像进行多尺度分割，获得多层超像素分布图像，以超像素为单位，计算每个尺度下的特征密度图像，叠加所有特征密度图像，构建精细化的特征密度图像。

2.根据权利要求1所述的一种城镇纹理特征密度自动提取城镇建成区的方法，其特征在于，所述步骤1)对获得的影像进行裁剪、拼接、去云处理，具体包括：一景遥感图像通常不能完整覆盖待提取区域，需要下载多景相邻的图像，使用ENVI软件的Map Based Mosaic功能拼接图像得到完整覆盖的图像，然后使用ENVI软件的Subset Data from ROIs功能，根据待提取区域的范围(矢量文件.shp)，裁剪掉提取区域外的部分；遥感图像中地面物体被云遮挡的情况十分普遍，待处理图像中被云覆盖的部分不能得到良好的提取效果，需要进行云去除处理，去云方法为：人工识别云区域，寻找该区域无云的其他时段图像，裁剪出该区域图像，并拼接到待处理图像中，得到无云覆盖的干净图像；预处理工作使用ENVI软件完成。

3.根据权利要求1所述的一种城镇纹理特征密度自动提取城镇建成区的方法，其特征在于，所述步骤2)对灰度影像基于傅里叶变换滤除低频纹理，获得高频分量的灰度影像，具体包括：使用二维快速傅里叶变换FFT将空间域图像转换到频率域，用高斯低通滤波器对频率域影像滤波，将滤波结果用逆快速傅里叶变换转换到空间域，得到背景影像，将原灰度影像与背景影像做相减运算，得到抑制低频分量的灰度影像。

4.根据权利要求3所述的一种城镇纹理特征密度自动提取城镇建成区的方法，其特征在于，所述使用二维快速傅里叶变换FFT将空间域图像转换到频率域，公式为：M、N分别表示影像的宽度和高度，(x，y)

表示影像的空间坐标，(u，v)表示频率图像的坐标，f(x，y)为输入图像，F(u，v)为转化得到的傅里叶频率域图像，用高斯低通滤波器对频率域影像滤波：F′(u，v)＝F(u，v)·H(u，v)其中H(x，y)是高斯滤波权函数，D表示高斯滤波窗口中点(u，v)到高斯窗口中心的欧式距离，σ表示高斯权函数扩展的程度，F(x，y)是频域图像，F′(x，y)是滤波后的频域图像，将滤波结果用逆快速傅里叶变换转换到空间域，得到背景影像f′(x，y)，将原灰度影像f(x，y)与背景影像f′(x，y)做相减运算，得到抑制低频分量的灰度影像：G(x，y)＝f(x，y)-f′(x，y)，G(x，y)为最终

获得的高频分量影像。

5.根据权利要求1所述的一种城镇纹理特征密度自动提取城镇建成区的方法，其特征在于，所述步骤3)使用上一步骤中得到的高频分量灰度影像，构建若干个方向的灰度共生矩阵差异性特征，并提取旋转不变性纹理特征，过程如下；

所述灰度共生矩阵是一个大小为n×n的矩阵，n为图像的灰度级，灰度共生矩阵定义如下：M(i，j)＝[m(i，j，Δx，Δy)；i，j∈(1，2，...n)]灰度共生矩阵M为n×n的矩阵，第i行，第j列的元素值为：在图像某个大小为w×w的窗口范围内满足位置偏移为(Δx，Δy)，且灰度值分别为i和j的像素对出现的次数，差异性公式为其中 m(i，j)为灰度共生矩阵M的第i行，第j列元素的值，以n1个方向构建

n1种灰度共生矩阵，从而计算得到n1种方向的差异性特征，选取n1个方向上的最小值构建旋转不变性纹理特征。n1个方向分别为(Δx，Δy)∈{(1，0)，(2，0)，(2，1)，(1，1)，(1，2)，(-

2，1)，(-1，1)，(1，2)，(0，2)，(0，1)}。

6.根据权利要求1所述的一种城镇纹理特征密度自动提取城镇建成区的方法，其特征在于，所述步骤4)使用大津阈值法OTSU提取特征区域，具体包括：

1)将特征图像线性映射为0-255的灰度图像，统计灰度直方图，即每个灰度级的像素个数；

2)归一化直方图。即每个灰度级的像素个数除以像素总数；

3)计算最大类间方差。设t为灰度阈值，统计0到t灰度级的像素占整副图像的比例w0，统计0到t灰度级的平均灰度值u0，统计t到255灰度级的像素占整副图像的比例w1，统计t到255灰度级的平均灰度值u1，计算g＝w0×w1×(u0-u1)2，依次将t设置为0-255，使g最大的t值即为阈值，大于t的部分为特征区域，小于t的部分为其他区域。

7.根据权利要求1所述的一种城镇纹理特征密度自动提取城镇建成区的方法，其特征在于，所述步骤5)通过线性迭代聚类算法SLIC得到的超像素成细胞状均匀排列，具体包括：基于SLIC算法对影像的可见光波段进行n次不同尺度的分割，尺度分别为{Ni，i∈1，2，

3...n}，Ni代表第i次分割超像素的平均像元数量，其中N1为最小分割尺度，Nn为最大分割尺度，从N1到Nn依次以相同的步长S增加，分割得到的n个超像素层表示为{Li，i∈1，2，3...n}，用{Pij，j∈1，2，3...}表示Li的第j个超像素，Numij表示Pij的像元数量；

步骤3)中基于窗口大小为23的差异性特征图像，用OSTU方法得到特征图记为，基于Lf计算所有Pij的特征密度Dij： 式中Numf代表Pij范围内，在Lf中对应范围的特征点的数量，得到每个Li的特征密度L′i，最后累加L′i得到最终的特征密度分布Ld：

表示将每个特征密度图像相对应的像素相加，得到总的特征密度Ld，通过上

述方法得到特征密度，最后叠加各层得到特征密度图像Ld，对密度图像Ld设置合适的阈值，密度较大的部分即为城镇提取的结果，所设置的阈值在0-1之间，设置的阈值将乘以分割的层数，大于阈值的部分将被提取为城镇。