1.一种面向地理对象的高分光学与SAR影像一体化分割的方法，其特征在于，包括步骤如下：S1，对采集的两组高分辨率光学影像与SAR影像，采用SIFT算法提取光学影像和SAR影像中的对应特征点，得到从光学到SAR的映射方程，实现光学与SAR影像的粗配准；

S2，将光学影像作为参考影像并进行影像分割，对分割后的每一个对象提取其质心，得到光学影像中自适应标记点；

S3，利用步骤S1中得到的光学到SAR的映射方程，将光学对象中的质心映射到SAR影像中，得到SAR影像标记点；根据SAR影像标记点的区域增长，得到SAR影像中与光学对象相匹配的对象集合；

步骤S1中，实现光学影像与SAR影像的粗配准的具体步骤如下：S11，以包含居民楼、厂房、街道的城市场景为对象，采集两组数据集，采用软件ENVI对异源影像进行重采样预处理；以光学影像为基准，对SAR影像采用双线性内插法重采样，得到相同分辨率的SAR影像与光学影像；

S12，采用SIFT算法来提取光学影像和SAR影像中的对应特征点Pm，所述特征点Pm计算公式如下：T

其中，D为关键点的DOG值， 为尺度空间函数对P＝(x,y,σ)的偏导，(x,y)为关键点的坐标，σ为图像尺度参数，从而获得特征点集合F＝{f1,f2,…,fi}，i＝1，2，…,n，其中′n为特征点对的总个数；fi由光学和SAR影像对应特征点构成，fi＝{fgi(xi,yi)，fsi(xi ,′ ′ ′yi)},fgi(xi,yi)为光学特征点，xi、yi分别为光学影像特征点的横、纵坐标，fsi(xi ,yi)为′ ′SAR影像对应特征点，xi、yi 分别为SAR影像对应特征点的横、纵坐标；则采用Homography变换方法确定映射方程Hom：′ ′ ′ ′

其中，(x,y,z)和(x ,y ,z)分别为光学和SAR对应的归一化特征点，令z＝z＝1,则得到映射方程：其中，h1到h9为映射方程Hom的9个自由度参数。

2.根据权利要求1所述的面向地理对象的高分光学与SAR影像一体化分割的方法，其特征在于，步骤S2中，首先对光学影像进行分割，再为每个对象提取对应的标记点，具体步骤如下：S21，采用软件eCognition完成多尺度影像分割，采用目视解译方法确定两组数据集分割参数(Scale,Shape,Compactness)，其中，Scale为尺度参数、Shape为形状因子、Compactness为紧致度因子；

S22，令影像分割所提取的对象集合为R＝{R1,R2，…,Rj},j＝1，2，…,m，其中m为分割出来的对象总数；对于每个对象Rj，其标记点坐标如下：其中，xd、yd为对象内像素点的横、纵坐标，s为像素点的总数；

求得的标记点坐标记为kj(Xj，Yj)，遍历所有对象，得到光学影像对象标记点集合K＝{k1,k2，…,kj}。

3.根据权利要求2所述的面向地理对象的高分光学与SAR影像一体化分割的方法，其特征在于，步骤S3中，得到SAR影像匹配对象集合的具体步骤如下：S31，根据映射方程Hom对光学影像对象标记点集合K进行投影,得到SAR影像中初始种子点集合S＝{s1,s2，…,sj}，其中sj为sj(xj,yj)；

当映射到SAR影像的种子点sj(xj,yj)处于SAR影像边界外时，则计算点si和SAR影像中点′ ′ ′的欧式距离，以欧式距离ρ最小的点tj(xj ,yj)代替点sj(xj,yj)作为种子点；xj、yj为SAR影′ ′像中初始种子点的横、纵坐标，xj、yj为自适应后的种子点的横、纵坐标，则有：′ ′

得到自适应后的SAR影像中的种子点集合T＝{t1,t2，…,tj}，其中tj为tj(xj ,yj)；

S32，根据种子点集合T，对每个种子点同时进行区域增长；对任意种子点,若八邻域区域中的某点像素值满足下式：则判定该点符合增长条件，加入到区域中；

′ ′

其中，(X，Y)为种子点八邻域中点坐标，tj(xj ,yj)为种子点坐标，Img为SAR影像的像素矩阵；

′ ′

计算种子点tj(xj ,yj)八邻域的点处的像素值与种子点像素之间的差值，所有差值相加取平均得到数值为阈值qj，表达式如下：其中，u、v、w均为自变量；区域增长全部完成后，得到与光学影像对象集合R相对应的SAR影像对象集合C＝{C1,C2，…,Cj},最终获得统一的光学‑SAR匹配对象集合。