1.一种震后高分遥感影像震害建筑物检测方法，其特征在于，包括以下步骤：

(1)对获取的震后高分辨遥感影像依次进行影像分割和非建筑物对象剔除，得到潜在建筑物对象集合；

(2)基于视觉词袋模型，从光谱、纹理和几何形态学三个角度构建震害视觉词典；

(3)基于类内惩罚因子和类间惩罚因子构建优化震害视觉词典模型；

(4)基于优化震害视觉词汇模型和潜在建筑物对象集合，采用随机森林分类器获得最终的震害建筑物检测结果；

在步骤(2)中，基于光谱的震害视觉词典的构建方法为，对RGB模型的三波段影像依据灰度值分别进行K均值聚类，得到任意对象Ri∈Rpot在R、G、B三波段中对应的K维光谱震害视觉词典WRi、WGi、WBi，其中Rpot为步骤(1)得到的潜在建筑物对象集合；

基于纹理的震害视觉词典的构建方法为，采用局部同质性指标J‑value作为一类震害视觉词汇，J‑value的定义如下：J‑value＝(ST‑SW)/SW

其中，ST为特定尺寸窗口内所有像素的总体方差，SW为特定尺寸窗口内属于同一灰度级像素的方差之和；设定尺度个数，通过计算多尺度J‑value影像集合，并对每个尺度分别采用与构建光谱震害视觉词典同样的聚类策略，提取对象Ri对应的J‑value震害视觉词典WJi；

基于几何形态学的震害视觉词典的构建方法为，采用形态学属性剖面MAPs中的面积属性、对角线属性和归一化转动惯量属性分别作为一类震害视觉词汇，通过设计不同的形态学属性算子，使目标在特定尺度参数、属性上的特征出现区分与其他地物的最大响应，得到对象Ri所提取的面积、对角线和归一化转动惯量属性的震害视觉词典WAREAi、WDIAGi、WNMIi；

综合基于光谱、纹理和几何形态学的震害视觉词典，定义对象Ri的初始震害视觉词典Wi＝[WRi,WGi,WBi,WJi,WAREAi,WDIAGi,WNMIi]。

2.根据权利要求1所述震后高分遥感影像震害建筑物检测方法，其特征在于，在步骤(1)中，所述非建筑物对象剔除遵循以下规则：(a)面积规则：统计每个对象的面积即每个对象所包含的像素个数Npixels，若Npixels小于等于预设的面积阈值，则认为该对象为弱小目标，予以剔除；

(b)形态学建筑物指数规则：利用最大类间方差法确定形态学建筑物指数的分离阈值TMBI，计算每个对象中所有像素的形态学建筑物指数均值MBI，剔除满足MBI＜TMBI的所有对象；

(c)矩形度及长宽比规则：定义某对象的矩形度为Rd＝Npixels/Nrectangle，其中Npixels为该对象的最小外接矩形所包含的像素个数，Nrectangle为最小外接矩形的长宽比；若某对象满足Rd＜0.8且Nrectangle＞5，则认为该对象为狭长目标，予以剔除。

3.根据权利要求1所述震后高分遥感影像震害建筑物检测方法，其特征在于，步骤(3)的具体过程如下：(301)分别计算同一特征下任意两个波段或尺度影像之间的结构相似性SSIM，并根据结构相似性SSIM计算得到光谱特征的类内惩罚因子αRGB、J‑value的类内惩罚因子αJ、面积属性的类内惩罚因子αAREA、对角线属性的类内惩罚因子αDIAG和归一化转动惯量属性的类内惩罚因子αNMI；

(302)对R、G、B三波段影像、多尺度J‑value以及面积、对角线、归一化转动惯量三种属性的多尺度剖面分别采用均值融合策略，获得五类融合影像IMGRGB、IMGJ‑value、IMGAREA、IMGDIAG和IMGNMI；

(303)分别计算每一类融合影像与其他类融合影像之间的结构相似性SSIM，并据此计算五类特征的类间惩罚因子βRGB、βJ、βAREA、βDIAG和βNMI；

(304)基于类内惩罚因子和类间惩罚因子，构建优化震害视觉词典Wi＝[αRGBβRGBWRi，αRGBβRGBWGi，αRGBβRGBWBi，αJβJWJi，αAREAβAREAWAREAi，αDIAGβDIAGWDIAGi，αNMIβNMIWNMIi]。

4.根据权利要求1所述震后高分遥感影像震害建筑物检测方法，其特征在于，步骤(4)的具体过程如下：(401)将潜在建筑物对象集合中的对象划分为“完好建筑物”、“部分震害建筑物”、“废墟”和“其他地物”四类；

(402)统计每个对象的优化震害视觉词典直方图，作为随机森林分类器的输入特征空间；

(403)选取训练样本集，并利用Bagging方法随机有放回地抽取多个样本子集，确保每个样本子集中的样本个数与训练样本集中的样本个数相等；

(404)确定节点对应随机特征的数量，对每个样本子集分别构建决策树模型；

(405)对每个待分类的样本进行分类，并依据分类标签进行投票表决，根据得票数量确定最终分类标签。