1.一种基于改进主动轮廓模型的无人机影像矿区地裂缝提取方法，其特征在于，包括如下步骤：步骤S1：获取无人机影像并进行预处理；

步骤S2：采用最大类间方差算法自动计算无人机影像的最佳高、低阈值,分别作为背景初值和地裂缝初值；

步骤3：将背景初值和地裂缝初值作为先验知识引入到改进主动轮廓模型，进而提取矿区地裂缝；所述改进主动轮廓模型是通过对传统CV主动轮廓模型进行改进，通过最大类间方差算法计算背景区和裂缝区的初值，并将这两部分的区分能量引入到传统CV主动轮廓模型中，其中，传统CV主动轮廓模型如式6所示，2

E(C)＝μLength(C)+vArea(In(C))+λ1∫in(C)|I(x,y)‑c1| dxdy+λ2∫out(C)|I(x,y)‑c2|2

dxdy (式6)

改进主动轮廓模型如式7所示：

式中，Length(C)表示曲线C的长度，μ表示长度参数，Area(In(C))表示曲线C内部的面积，v表示面积参数，I(x,y)表示图像中任意像素的灰度，c1表示曲线C内部的平均灰度，c2表示曲线C外部的平均灰度，c3表示背景区的平均灰度，c4表示裂缝区的平均灰度；λ1和λ2是常数，λ1>0，λ2>0。

2.根据权利要求1所述的基于改进主动轮廓模型的无人机影像矿区地裂缝提取方法，其特征在于，在步骤S1中，所述预处理包括辐射校正、几何校正、配准、拼接、裁剪。

3.根据权利要求1所述的基于改进主动轮廓模型的无人机影像矿区地裂缝提取方法，其特征在于，在步骤S2中，最佳高阈值为最佳低阈值的两倍。

4.根据权利要求1所述的基于改进主动轮廓模型的无人机影像矿区地裂缝提取方法，其特征在于，在步骤S2中，采用最大类间方差算法计算无人机影像的背景和地裂缝最佳阈值的方法为：假设一幅灰度图像I的大小为M×N，背景和目标的分割阈值为T，图像I中像素灰度值小于阈值T的目标像素个数为N0，平均灰度为μ0；图像I中像素灰度值大于阈值T的背景像素个数为N1，平均灰度为μ1，则目标像素和背景像素点数占整幅图像的比例分别为ω0和ω1，其计算公式如下：ω0＝N0/(M×N) (式1)

ω1＝N1/(M×N) (式2)

图像的总平均灰度μ的计算公式如下：

μ＝ω0*μ0+ω1*μ1 (式3)

则类间方差g的计算公式如下：

g＝ω0(μ0‑μ)∧2+ω1(μ1‑μ)∧2 (式4)将式3代入式4，得到等价公式5：

g＝ω0ω1(μ0‑μ)∧2 (式5)。

5.根据权利要求1所述的基于改进主动轮廓模型的无人机影像矿区地裂缝提取方法，其特征在于，采用水平集算法求解改进主动轮廓模型，用水平集函数 代替式7中的曲线C，则被重写为：和 经过光滑化后得到 和

式中，Ω表示整个图像， 和 分别表示规整化的Heaviside函数和Dirac函数，ε表示一个正整数。