1.结合语义分割与边缘检测的高分辨率遥感建筑物提取方法，其特征在于，包含以下步骤：步骤1、构建建筑物样本库：根据研究区域的地理位置，获取覆盖整个研究区域的高分辨率遥感影像；采用人工目视解译的方法标注研究区域内高分辨率遥感影像上对应的建筑物屋顶，获得建筑物屋顶的面标签和线标签；对研究区域内高分辨率遥感影像和对应的标签图进行裁剪，尺寸为h×w，由此构建建筑物样本库；按照3:1:1的比例将样本库分为训练集、验证集和测试集；

步骤2、建筑物模型训练，包括以下过程：

(21)选用端到端的语义分割网络，把由步骤1所得训练集和验证集输入语义分割网络进行训练，得到建筑物语义分割模型SM；

(22)选用端到端的边缘检测网络，把由步骤1所得训练集和验证集输入边缘检测网络进行训练，得到建筑物边缘检测模型BM；

步骤3、获取研究区域建筑物提取的语义分割预测图和边缘提取预测图，包括以下过程：(31)任意选取由步骤1所得测试集中的一张高分辨率遥感影像作为测试图I；

(32)把步骤(31)中所述测试图I输入由步骤2训练所得的建筑物语义分割模型SM和边缘检测模型BM，从而获取关于测试图I的语义分割预测图S和建筑物边缘预测图B；

步骤4、结合由步骤(32)所得的建筑物语义分割图S，处理由步骤(32)获得的建筑物边缘预测图B，生成单像素宽度的建筑物边缘图，包括以下过程：(41)对由步骤(32)中获得的语义分割预测图S进行二值化处理，规则如下：

其中，S(b)表示语义分割预测图S的二值化结果，PSi表示语义分割预测图S中的第i个像素点，τ1表示阈值；

(42)对由步骤(41)所得二值图S(b)进行膨胀处理，由此获得了扩张后的语义分割预测图S(d)；

(43)对步骤(32)中获得的建筑物边缘预测图B进行二值化处理得到二值图B(b)，二值化处理规则如下：其中，B(b)表示建筑物边缘预测图B的二值化结果，PBi表示建筑物边缘预测图B中第i个像素点，τ2表示阈值；

(44)对由步骤(43)中生成的二值边缘图B(b)进行骨架提取，获得建筑物边缘图B(b,s)，该图仅保留了图B(b)中建筑物边缘的中轴线，宽度为单像素；

(45)在保留断线建筑物边缘的前提下，去除由步骤(44)所得的单像素建筑物边缘图B(b,s)中的“毛刺”特征线，流程如下：(45a)使用连通域分析法检测由步骤(44)所得单像素建筑物边缘图B(b,s)中的端点，端点判断方法如下：对于边缘图B(b,s)中值为255的像素点xi，如果点xi的八邻域内像素值为255的点只有1个或者点xi的八邻域内有两个值为255的相邻像素点，则把点xi加入端点集，由此可获得边缘图B(b,s)的所有端点集合Dp＝{zi|i＝1,2,...T}，其中，zi表示第i个端点，T为B(b,s)中端点的总数；

(45b)去除由步骤(44)所得的单像素建筑物边缘图B(b,s)中的“毛刺”特征线，任取由步骤(45a)所得端点集Dp＝{zi|i＝1,2,...T}中的一个端点，记该端点位于由步骤(44)所得边缘图B(b,s)的第i行，第j列，若由步骤(42)所得语义分割预测图S(d)中第i行，第j列的像素值为0，那么把由步骤(44)所得边缘图B(b,s)的第i行，第j列的像素值赋为0；按照上述方法处理边缘图B(b,s)，直到遍历完由步骤(45a)所得端点集Dp＝{zi|i＝1,2,...T}中的所有端点，由此可得包含未闭合的和完整闭合的单像素宽度的建筑物边缘图B(b,s,e)；

步骤5、结合步骤(42)所得语义分割预测图S(d)，对由步骤(45b)所得建筑物边缘图B(b,s,e)中未闭合的建筑物边缘进行连接修复，包括以下过程：(51)结合步骤(42)所得语义分割预测图S(d)，获取由步骤(45b)所得建筑物边缘图B(b,s,e)中可连接的建筑物边缘端点，流程如下：(51a)计算步骤(45b)所得建筑物边缘图B(b,s,e)和步骤(42)所得语义分割预测图S(d)的叠加图BS；

(51b)建立建筑物内外域标记矩阵

(51c)任意选取由步骤(51a)所得叠加图BS中像素值为0的点P，遍历点P的邻域，记点P的某一邻域点Pb位于叠加图BS的第i行，第j列，如果满足以下条件之一：(1)由步骤(45b)所得建筑物边缘图B(b,s,e)第i行，第j列的像素值为0，(2)图B(b,s,e)第i行，第j列的像素值为255，且点Pb位于图像的边界处(即i为1或h或者j为1或w)，且M1(i,j)＝0，则把M1(i,j)赋为255，且把点Pb加入待检测点集Q；按照上述方法更新矩阵M1，直到Q中的点全部检测完毕；

(51d)重复步骤(51c)，直到叠加图BS中所有像素值为0的点都遍历完成，最终由标记完成的M1获得建筑物内外域图B(I,O)；

(51e)采用步骤(45a)的端点检测规则，检测由步骤(45b)生成的建筑物边缘图B(b,s,e)中的端点，如果端点位于由步骤(51d)生成的图B(I,O)中的外部区域，则存入待连接端点集 其中， 和 分别表示建筑物边缘图B(b,s,e)中第i个可以连接的点的横坐标和纵坐标，S表示可被连接的端点总数；

(52)对由步骤(51a)获得的叠加图BS进行连通域标记，流程如下：

(52a)建立连通域标记矩阵

(52b)通过连通域分析算法和搜索算法确定叠加图BS中的n(n为正整数)个连通域，对第k(1≤k≤n)个连通域标记规则如下：当M2(i,j)＝0且BS(i,j)＝255时，将M2(i,j)置为k，按照相同规则遍历叠加图BS中第i行，第j列像素点的八邻域，直到没有满足条件的点为止；

(52c)按照步骤(52b)规则遍历叠加图BS，由此获得了标有n个连通域的标记图B(C,N)；

(53)对步骤(51e)所得端点集 中的端点进行连线，流程如下：

(53a)任取端点集 中的两个端点p,q，若p,q属于由步骤(52c)

所得连通域标记图B(C,N)中的同一连通域，则计算p,q两点连线穿过连通域的像素个数count，计算公式如下：count＝Num(P(x,y))‑Num(P(x,y)＝0)，其中，Num(P(x,y))表示p,q连线上像素点的总数，Num(P(x,y)＝0)表示p,q连线上像素值为0的点的总数；

(53b)计算步骤(53a)中两个端点p,q间的欧式距离L，具体计算公式如下：其中， 和 分别表示p对应由步骤(51a)获得的叠加图BS中的

横坐标和纵坐标， 和 分别表示q对应由步骤(51a)获得的叠加图BS中的横坐标和纵坐标；

(53c)结合步骤(53a)中的count和(53b)中的L，连接由步骤(51e)所得端点集Cb中的端点，具体规则如下：任意选取Cb中的两个端点Pm、Pn，如果这两个端点位于由步骤(52c)所得连通域标记图B(C,N)中的同一连通域，那么进行以下判断：当(count＞β1)∧(L＜β2)，并且Pm,Pn连线上任意点的像素值都不为255，则连接端点Pm和Pn，其中，β1表示两点连线经过连通域标记图B(C,N)中像素值为255的点的数目阈值，β2表示两点之间的距离阈值；

(53d)重复步骤(53a)至(53c)，直到由步骤(51e)所得端点集

中任意选取的两个端点都被处理完毕，由此获得了断线连接图B(b,s,e,c)；

步骤6、去除由步骤(53d)获得的图B(b,s,e,c)中剩余的断线和冗余的“毛刺”特征线，具体过程如下：(61)使用步骤(45a)中的端点检测规则对图B(b,s,e,c)进行端点检测，并将检测到的端点在图B(b,s,e,c)中对应位置的像素值置0；

(62)重复步骤(61)，直到没有端点被检测到为止，由此获得了最终的建筑物边缘栅格图B(b,s,e,c,r)。

2.根据权利要求1所述的结合语义分割与边缘检测的高分辨率遥感建筑物提取方法，其特征在于，在所述步骤6之后还包括：步骤7、对由步骤(62)生成的建筑物边缘栅格图B(b,s,e,c,r)进行矢量化，生成建筑物面矢量文件。