1.一种基于渐变尺度间隔变化规律算子的遥感影像植被分类方法，包括以下步骤：S1，输入多波段遥感影像Image，获取影像的宽度Width，获取影像的高度Height，获取分段影像亮度变量SingleImage，获取亮度区分度变量Qufen，获取亮度区分容忍度变量Quefenrong；

S101，输入多波段遥感影像Image；

S102，获取影像的宽度Width= Image的宽度；获取影像的高度Height= Image的高度；

获取影像的波段数Bands=Image的波段数；

S103，建立分段影像亮度变量SingleImage=建立宽度为Width高度为Height的二维数组，数组的所有元素值为0；

S104，初始阶段计数器InitCounter=1；

S105, 暂存单波段影像变量TempImage=读取Image的第InitCounter个波段的内容；

S106，暂存单波段影像最大值TempMax=TempImage中的最大值，暂存单波段影像最小值TempMin=TempImage中的最小值；

S107，计算TempImage=(TempImage-TempMin)/(TempMax-TempMin)；

S108，计算SingleImage=SingleImage+TempImage；

S109，InitCounter=InitCounter+1；

S110，如果InitCounter>Bands则转到S111，否则转到S105；

S111，计算SingleImag=SingleImage/Bands；

S112，获取当前标准差变量StvSingleImag=SingleImag的标准差；

S113，获取亮度区分度变量Qufen=round(1/StvSingleImag×2)，其中Round为进行四舍五入；

S114，计算SingleImag= SingleImag×Qufen；

S115，获取亮度区分容忍度变量Quefenrong=StvSingleImag×2；

S116，该步骤运行结束；

S2，建立植被无方向间隔特性模糊描述算子RuleOperator，输入一个像元在影像上所处的行数Row和列数Col，输入尺度宽度变量RuleWidth，输出植被无方向间隔特性结果矢量RuleVectorResult；

S201，建立植被无方向间隔特性模糊描述算子RuleOperator，输入一个像元在影像上所处的行数Row和列数Col，输入尺度宽度变量RuleWidth；

S202，算子暂存影像块OperatorTempBlock=以Row和Col为中心点在SingleImag上截取一个宽度为RuleWidth的正方形；

S203，算子暂存数组RuleOperatorArray=建立Qufen个元素的数组，数组所有元素值为

0；

S204，算子计数器RuleOperatorCounter=1；

S206，算子第一暂存阈值变量RuleOperatorTemp1=RuleOperatorCounter-Quefenrong；算子第二暂存阈值变量RuleOperatorTemp2=RuleOperatorCounter+Quefenrong；

S207，算子统计个数变量RuleOperatorTempNum=计算OperatorTempBlock中像元值小于RuleOperatorTemp1或者大于RuleOperatorTemp2的像元个数；

S208，RuleOperatorArray[RuleOperatorCounter]=RuleOperatorTempNum；

S209，RuleOperatorCounter=RuleOperatorCounter+1；

S210，如果RuleOperatorCounter大于Qufen则转到S211，否则转到S206；

S211，算子暂存数组最大值RuleOperatorArrayMax=RuleOperatorArray的最大值；

S212,RuleOperatorArray=RuleOperatorArray/RuleOperatorArrayMax；

S213, RuleVectorResult=tanh(RuleOperatorArray)；

S214，将RuleVectorResult作为RuleOperator算子的结果输出；

S3,建立渐变尺度的间隔变化规律算子ScaleOperator，输入一个待分析像元在影像上所处的行数AnaRow和列数AnaCol，输出为渐变尺度的间隔变化规律矢量CharacterVector；

S301，建立渐变尺度的间隔变化规律算子ScaleOperator，输入一个待分析像元在影像上所处的行数Row和列数Col；

S302, 建立渐变尺度的间隔变化规律矢量CharacterVector=建立包含Qufen×3个元素的矢量；

S303, 建立渐变尺度迭代变量PevVector=建立包含Qufen个元素的矢量，矢量内所有元素均为0；

S303，渐变尺度计数器ScaleOperatorCounter=1；

S304，渐变尺度暂存变量ScaleTempVector=利用RuleOperator进行计算，设定RuleOperator的输入Row=AnaRow, Col=AnaCol, RuleWidth=3+ScaleOperatorCounter*2；

S305,渐变尺度暂存结果变量ScaleTempResult=ScaleTempVector-PevVector；

S306， PevVector=ScaleTempVector；

S307，渐变尺度算子复制起始变量ScaleStart=(ScaleOperatorCounter-1)×Qufen+

1;渐变尺度算子复制结束变量ScaleEnd=ScaleStart+Qufen-1；

S308，将ScaleTempResult的所有内容复制到CharacterVector的位置为第ScaleStart至ScaleEnd的元素上；

S309，计算ScaleOperatorCounter=ScaleOperatorCounter+1；

S310，如果ScaleOperatorCounter大于3则转到S311，否则转到S304；

S311，将CharacterVector作为算子的结果输出；

S4，输入样本表TrainSet，利用ScaleOperator对TrainSet进行处理，获得分类模型Model；

S401，输入样本表TrainSet，TrainSet中每一条记录包含如下字段：XRow：样本在影像上所处的行；

XCol：样本在影像上所处的列；

Decsion：样本所对应的类目，类型为整型变量；

S402，为TrainSet增加一个新的字段DescVector，DescVector的类型为一个可以存储Qufen×3个元素的矢量；

S403，样本个数变量TrainNum=TrainSet的记录个数；

S404，样本计数器TrainCounter=1；

S405，暂存行TempReco=TrainSet[TrainCounter]；

S406，TempReco.DescVector=使用ScaleOperator进行计算，ScaleOperator的输入AnaRow=TempReco.XRow, AnaCol=TempReco.XCol；

S407，TrainCounter=TrainCounter+1；

S408，如果TrainCounter>TrainNum则转到S409，否则转到S405；

S409，构建支持向量机分类模型Model，Model的输入对应TrainSet的DescVector字段，Model的输出对应TrainSet的Decsion字段；

S410，利用TrainSet的内容对Model进行训练；

S411，该步骤运行结束；

S5，利用ScaleOperator和Model获得整个影像的分类结果，获得结果影像变量ResultImage；

S501，建立结果影像变量ResultImage=建立宽度为Width高度为Height的二维数组，数组的所有元素值为0；

S502，行计数器RowCounter=1；

S503，列计数器ColCounter=1；

S504，分类暂存矢量CalVector=使用ScaleOperator进行计算，ScaleOperator的输入AnaRow=RowCounter, AnaCol=ColCounter；

S505，分类暂存预测结果CalTempPred=将CalVector输入到Model之中，获得Model的决策结果；

S506, 设定ResultImage的在第RowCounter行第ColCounter列位置上的像元的值为CalTempPred；

S507，ColCounter=ColCounter+1；

S508，如果ColCounter大于Width则转到S509，否则转到S504；

S509，RowCounter=RowCounter+1；

S510，如果RowCounter大于Height则转到S511，否则转到S503；

S511，输出ResultImage作为最终分类结果。