1.一种卫星图像分割方法，其特征在于，包括如下步骤：

步骤1)、将原始的卫星图像裁剪成块，然后输入到深度卷积网络中转换成卷积特征，来捕获基于空间信息的上下文；

步骤2)、将网络得到的特征输入到提出的特征解耦模块中，利用特征解耦模块将类别之间的共生关系编码到卷积特征中去；具体如下：利用特征解耦模块将卷积特征和标签信息一起输入，然后得到增强的特征表示，对于第k个类别，将预训练的GloVe模型来把标签编码成一个D维的特征向量 k∈{1,

2,…,n}，n表示预定义类别标签个数；

假设得到的卷积特征为 其中H,W,C分别表示高度、宽度、特征图个数，表示实数域；然后，将F和ok输入到一个多模态融合模型中得到一个注意力图Ak，将ok先扩展成一个三维的张量 这个张量中第i个通道的值和ok第i个元素一样，再将Ok和F投影到一个隐空间，如下定义：其中， 是投影的最终结果， 是投影矩阵， 和

是投影矩阵； 是一个偏置向量；σ和 代表非线性激活函数和Hadamard积；D'和Q代表中间映射和最终映射结果的通道个数；最终，Ak通过下面的公式得到：Ak＝Softmax(ωRk+b1)                 (2)其中， 和 分别表示权重和偏置，公式(1)和(2)通过全连接操作实现，完成端到端学习；

得到注意力图Ak后，将其沿着通道维度重复C次，使得注意力图和特征F保持相同的尺寸；将这个注意力图乘上F解耦出最具判别性的特征 生成n个不同的判别特征，将其按照通道维度串联起来变成一个高维的张量，然后使用一个1×1大小的卷积核来得到最终的特征表示步骤3)、将经过特征解耦模块得到的三个解耦特征经过卷积和上采样操作得到对应的分割结果；具体是：采用三个不同的特征解耦模块来对三个卷积层的输出进行空间上下文信息增强，得到最终的特征表示，然后经过一层1×1的卷积层得到和类别个数相同的通道数的分割结果，最后再使用双线性插值得到和输入图像大小一样的分割结果；

步骤4)、将步骤3)得到的三个分割结果经过加权求和得到最终的分割结果。

2.根据权利要求1所述的一种卫星图像分割方法，其特征在于，步骤1)中所述原始的卫星图像是由国际摄影测量与遥感协会组委会提供的。

3.根据权利要求2所述的一种卫星图像分割方法，其特征在于，所述原始的卫星图像数据集有两个，分别由38张图片构成和33张图片构成。

4.根据权利要求3所述的一种卫星图像分割方法，其特征在于，第一个卫星图像数据集为每张图片的空间分辨率是5cm，每张图片的尺寸是6000×6000；第二个卫星图像数据集为每张图片的空间分辨率是9cm，每张图片的尺寸是2494×2064。

5.根据权利要求1所述的一种卫星图像分割方法，其特征在于，步骤1)中所述网络为残差网络。