1.一种基于边缘映射和深度学习的遥感图像变化检测方法，其特征在于：包括以下步骤：S1. 对双时相高分辨率遥感图像进行边缘检测获取初始边缘映射图；

S2. 对初始边缘映射图进行二值化处理，得到双时相高分辨率遥感图像的二值边缘映射；

S3. 根据二值边缘映射对双时相高分辨率遥感图像进行预分类，提取显著的变化/未变化区域，即获得预分类结果；

S4. 利用超像素分割理论，从步骤S3的预分类结果中选取准确率更高的像素对作为训练样本；

S5.构建基于堆栈降噪自动编码器的深层神经网络，并且利用步骤S4中筛选的训练样本对神经网络进行训练，从而使其拥有变化检测能力，对高分辨率遥感图像进行更精确地变化检测；

所述步骤S2中具体包括以下处理步骤：

S2‑1，对初始边缘映射图进行简单阈值处理；

S2‑2，对初始边缘映射图进行自适应阈值处理；

S2‑3，对于简单阈值处理结果中的背景像素点，除去自适应阈值处理结果中的相应位置的噪声点；对于简单阈值处理结果中的非背景像素点，自适应阈值处理结果中的相应像素点保持不变；

S2‑4，经过步骤S2‑3处理的自适应阈值处理结果即为二值边缘映射；

所述步骤S3中具体包括以下处理步骤：

S3‑1，将双时相高分辨率遥感图像的二值边缘映射叠合获得边缘差异图；

S3‑2，在边缘差异图中设置滑动窗口，并从左至右、从上往下扫描；

S3‑3，计算当前滑动窗口的边缘像素点的总数，如果总数为零，则滑动窗口内的所有像素点被分类为未变化；如果总数大于零，则将滑动窗口内的边缘像素点看作是潜在的变化像素，并设置为搜索点；

S3‑4，计算双时相高分辨率遥感图像中搜索点位置及其周边区域的光谱差异值，若光谱差异值满足预设条件，则搜索点及其相邻像素点分类为变化区域；若不满足预设条件，则搜索点及其相邻像素点分类为未变化区域；

S3‑5，重复S3‑2、S3‑3、S3‑4三个步骤，直到预分类的结果保持稳定；其中，每次重复S3‑

2步骤时，在最新的预分类结果中设置滑动窗口；每次重复S3‑3步骤时，计算当前滑动窗口内最新预分类结果的变化像素点的总数。

2.根据权利要求1所述的基于边缘映射和深度学习的遥感图像变化检测方法，其特征在于：所述步骤S4中具体包括以下处理步骤：S4‑1，对双时相高分辨率遥感图像进行超像素分割，并融合两个超像素分割边缘以获取统一的超像素分割边缘；

S4‑2，用统一的超像素分割边缘来划分预分类结果；

S4‑3，对于预分类结果图中的超像素，如果该超像素里的所有像素点中变化或未变化的像素点数均超过了指定比例，则这些像素点被选取为训练样本。

3.根据权利要求1所述的基于边缘映射和深度学习的遥感图像变化检测方法，其特征在于：所述步骤S5中具体包括以下处理步骤：S5‑1，神经网络参数和权重随机初始化；

S5‑2，利用加噪的高分辨率遥感图像对神经网络进行预训练；

S5‑3，利用步骤S4中筛选的训练样本对神经网络进行微调挖掘出高分辨率遥感图像对的差异特征；

S5‑4，神经网络训练完成，输入高分辨率遥感图像对进行变化检测。

4.一种基于边缘映射和深度学习的遥感图像变化检测系统，其特征在于：所述系统包括：边缘检测模块，用于分别提取出双时相高分辨率遥感图像的边缘信息；

边缘二值化模块，用于将边缘检测模块初步获取的初始边缘映射图进一步转换为二值图像，对初始边缘映射图分别进行简单阈值处理和自适应阈值处理，再融合两种阈值处理的结果，以获取边缘映射图的二值图像；

预分类模块，用于根据二值边缘映射获取双时相高分辨率遥感图像中显著的变化/未变化区域；

训练样本筛选模块，用于通过超像素分割理论来从预分类结果中筛选训练样本；

深度神经网络检测模块，用于对双时相高分辨率遥感图像进一步检测出更精确的变化/未变化区域；

所述预分类模块具体包括：

搜索点识别单元：根据二值边缘映射来分析并识别双时相高分辨率遥感图像中的搜索点；

光谱差异值计算单元：计算双时相高分辨率遥感图像中搜索点及其周边区域像素对的光谱差异值；

分析比较单元：验证搜索点及其相邻像素对的光谱差异值是否满足预设条件，若满足，则将搜索点及其相邻像素分类为变化区域，否则为未变化区域。

5.根据权利要求4所述的基于边缘映射和深度学习的遥感图像变化检测系统，其特征在于：所述深度神经网络检测模块具体包括：预训练单元：利用加噪的高分辨率遥感图像预训练神经网络，使参数和权重获得较好的初始化；

微调单元：利用预分类模块中筛选的训练样本进一步有监督地训练深度神经网络，使其挖掘出高分辨率遥感图像对的差异特征；

变化检测单元：输入高分辨率遥感图像对，进行变化检测。