1.一种基于新型马尔可夫随机场和区域合并的航拍图像混合分割算法，其特征在于，所述航拍图像混合分割算法具体包括如下步骤：S1：读取待分割的彩色图像，并将所述待分割的彩色图像转换为灰度图像；

S2：将所述灰度图像进行粗分割；

S3：根据所述粗分割后的灰度图像，进行多值连通域信息统计；

S3.1：根据最佳聚类结果，对所述粗分割后的灰度图像中每一行的行连通域所属的行号、列起始地址、列终止地址、标号、编号、所属的连通域编号进行标记，并对每个行连通域进行标记；

S3.2：根据所述行连通域的标记，判断每一行的下一行中是否有满足与当前行连通域位置相邻、标号相同的行连通域，若满足，则将满足条件的行连通域与当前行连通域连接，并获取连通域元素、连通域面积、连通域内边缘元素、连通域外边缘元素、连通域内边缘长度和连通域外边缘长度，然后执行下一步骤，若不满足，则直接执行下一步骤；

S4：根据所述多值连通域信息，对所述粗分割后的灰度图像进行区域平滑；

S4.1：对所述标记的行连通域进行Maxiter次迭代更新，具体如下：S4.1.1：通过能量函数最小化，依次对所述粗分割后的灰度图像中所有区域的标号进行更新，所述能量函数计算公式，具体为：其中： 为能量函数， 为区域标号的先验概率能量函数，为区域灰度值的条件概率能量函数；

S4.1.2：计算每次迭代的区域平衡度和邻域平衡度之和，并根据当前的区域标号更新区域状态，所述区域平衡度和邻域平衡度的计算公式，具体为：其中： |L|＝m*n

N_b为区域平衡度，R_b为邻域平衡度， 为第i个区域的邻域里各类标号区域个数的方差，Max为归一化常数，κ'为当前区域个数，|CD|为当前区域个数，m为二维图像的宽，n为二维图像的长，|CDi|为第i个区域内的像素个数，|CDIBi|为第i个区域的边缘像素个数，CDIB为区域边缘集合，CD为区域集合；

S4.2：获取每次迭代中区域平衡度和邻域平衡度之和，并从中选出最小的区域平衡度和邻域平衡度之和，将所述最小区域平衡度和邻域平衡度之和对应的区域状态作为区域平滑结果；

S5：根据所述区域平滑后的图像，进行区域合并。

2.根据权利要求1所述的一种基于新型马尔可夫随机场和区域合并的航拍图像混合分割算法，其特征在于，在所述步骤S2中，将所述灰度图像进行粗分割，具体如下：S2.1：根据所述灰度图像中聚类个数集合的数目，依次确定出各所述聚类个数集合中的聚类个数q；

S2.2：利用层次聚类依据像素的灰度值确定出q个簇心；

S2.3：将所有所述簇心均作为初始簇心，并根据k‑means依据灰度值进行像素聚类；

S2.4：计算所述聚类个数对应的BWP指标，判断所述聚类个数对应的聚类个数集合中的元素是否被取完，若未被取完，则返回步骤S2.1，反之则执行下一步骤，所述BWP指标的计算公式，具体为：

其中：BWP(i,j)为BWP指标，Odist(i,j)为域间距离，Idist(i,j)为域内距离；

S2.5：将各所述聚类个数所对应的BWP指标进行比较，确定出最大的BWP指标，并将所述最大BWP指标对应的聚类个数和聚类个数下形成的连通域作为最佳聚类个数和最佳聚类结果。

3.根据权利要求2所述的一种基于新型马尔可夫随机场和区域合并的航拍图像混合分割算法，其特征在于，所述域间距离和域内距离的计算公式，具体为：其中：Odist(i,j)为域间距离，Idist(i,j)为域内距离，q为聚类个数的数目，Lc为第c个聚类的坐标集合，|Lc|为第c个簇的像素个数， 为 位置的像素值， 为第c类中的第z个元素的坐标， 为 位置的像素值， 为第i类中的第j个元素的坐标，Li为第i个聚类的坐标集合，|Li|为第i个簇的像素个数， 为 位置的像素值， 为第i类中的第z个元素的坐标。

4.根据权利要求1‑3任一所述一种基于新型马尔可夫随机场和区域合并的航拍图像混合分割算法，其特征在于，所述行连通域的下一行中与行连通域相邻的行连通域列起始地址和列终止地址满足如下关系，具体为：R‑1≤r≤E+1或R‑1≤e≤E+1其中：R为当前行连通域的列起始地址，r为下一行中与行连通域相邻的行连通域列起始地址，E为当前行连通域的列终止地址，e为下一行中与行连通域相邻的行连通域列终止地址。

5.根据权利要求1‑3任一所述一种基于新型马尔可夫随机场和区域合并的航拍图像混合分割算法，其特征在于，所述连通域元素、连通域面积、连通域内边缘元素、连通域外边缘元素、连通域内边缘长度和连通域外边缘长度的计算公式，具体为：其中：

CDIvb为连通域元素，|CDIvb|为连通域面积，CDIBIvb为连通域内边缘元素，|CDIBIvb|为连通域外边缘元素，CDOBIvb为连通域内边缘长度，|CDOBIvb|为连通域外边缘长度，CDI‑1vb为编号为b、标号为v的行连通域合并至I‑1行的连通域，nh(x)为x的8邻域系统，x为像素，cdIsevcc'为行连通域的标号。

6.根据权利要求1‑3任一所述的一种基于新型马尔可夫随机场和区域合并的航拍图像混合分割算法，其特征在于，在所述步骤S5中，进行区域合并，具体如下：S5.1：计算每个连通域与邻域间的颜色差异度、边缘相邻度、边缘跳跃度和邻接关系，获取区域相似度，所述区域相似度的计算公式，具体为：其中：ρ1为颜色相似度系数， 为颜色相似度，ρ2为面积差异度系数， 为面积差异度，ρ3为边缘邻接度系数， 为边缘邻接度，ρ4为边缘相似度系数， 为边缘相似度，δij为邻接关系；

S5.2：根据所述区域相似度，选择待合并的区域对；

S5.3：根据区域合并标号选择机制，为区域合并后的标号选择提供决策，所述选择机制公式具体为：

其中：S(i,j)为第i个区域和第j个区域合并后选择的标号， 为第i个区域的标号，为在CDi邻域中比CDi面积大、区域标号和j相同的区域集合，CDi为第i个区域集合，OBJ为目标物集合；

S5.4：计算每次迭代后的区域剩余率、色散度和边缘跳跃度，获取得到合并状态值，所述合并状态值的计算公式，具体为：其中： 为合并状态值， 为区域边缘差异度，κr为区域剩余率， 为区域色散度；

S5.5：根据所述合并状态值，从Maxiter次迭代后的所有合并状态值中选出最小值，并将所述最小合并状态作为最佳合并状态，同时输出所述最佳合并状态下的连通域集合和区域标号集合。