1.一种遥感图像对象层次的变化检测方法，其特征在于，具体包括图像初步处理、均值滤波获取计算以及图像分析；

S1、图像初步处理，将初始图像输入预先训练的深度全卷积神经网络模型，得到所述深度全卷积神经网络模型输出的所述初始图像中每个像素点为字符像素点的概率，其中，所述深度全卷积神经网络模型为预先利用标注有字符的真实区域的训练图像进行训练得到；

随后将所述初始图像中的像素点分类，其中，概率大于预设概率阈值的像素点归类为字符像素点；通过多次图像处理获取多个训练图层，并将训练图层叠加得到初步图形；

S2、将步骤S1输出的初步图形进行均值滤波获取计算：采用Sauvola算法对灰度化图像进行阈值分割，如式（1）所示：式（1）中，D(x,y)代表像素点的对比度值，基于式（1）计算得到；

其中 T 表示当前像素的均值滤波获取，m 和 s 分别表示当前邻域范围内像素的灰度均值和标准差，Ne 代表当前像素点邻域范围内的边缘点的数目，通过式（1）计算得到的 k 值，将式（1）带入式（2）得到新的均值滤波获取计算公式：在式（3）中，计算阈值时除了使用像素点邻域灰度信息之外，还引入了邻域范围的对比度信息，能够适应图像对比度不一致的情况；

S3、图像分析：图像分析方法如式（4）所示：

；

g(x,y)代表当前像素点的灰度值，T 为使用式（3）计算得到的均值滤波获取，判定该像素点为前景像素，否则该像素点为背景像素，遍历图像上的所有点，计算均值滤波获取并统计邻域范围中边缘点的数目，使用式（4）完成图像的二值化。

2.根据权利要求1所述的遥感图像对象层次的变化检测方法，其特征在于，k 是一个调节系数，用于控制算法对图像对比度的响应，R 是对灰度标准差的一个调节，和图像的灰度阶数有关；e(x,y)代表像素点是否是边缘点，如果是边缘点则该值为 1，否则该值为 0。

3.根据权利要求1所述的遥感图像对象层次的变化检测方法，Ne 代表当前像素点邻域范围内的边缘点的数目，仅当该像素点的灰度值小于其均值滤波获取，且该像素点邻域范围内边缘像素的数目大于邻域直径时（即当前点在边缘附近）。