1.一种基于极少训练样本的高分辨率遥感影像监督分类方法，其特征在于，具体按照以下步骤实施：

步骤1、利用至少两个分类器对初始训练样本进行分类，得到至少两张初始分类图；

步骤2、统计各分类器同时标记为同一类别的像素点；

步骤3、对每类像素点以像素灰度值做直方图分析，得到每一类像素的直方图；

步骤4、按直方图步长下像素个数的比例随机抽样，得到每一类选取的像素种子点，并计算所有分类器识别一致的总像素个数占整张影像像素个数的百分比记为P1；

步骤5、以像素种子点为中心进行预定领域搜索，并选取训练样本；

步骤6、重复步骤1‑5对训练样本再次分类，并进行n次迭代，得到Pn，直到||Pn‑Pn‑1||≤ε成立时，迭代停止，其中ε∈(0.0001‑0.001)，将迭代最后一次的训练样本输入分类器，得到最终分类结果。

2.根据权利要求1所述的一种基于极少训练样本的高分辨率遥感影像监督分类方法，其特征在于，所述步骤1中：初始训练样本是从高分影像中选取极少像素并手动标记像素的类别构成初始训练集，每类初始训练样本选取3‑15个。

3.根据权利要求1所述的一种基于极少训练样本的高分辨率遥感影像监督分类方法，其特征在于，所述步骤1中利用分类器对初始训练样本进行分类时可选择2‑5个分类器。

4.根据权利要求1所述的一种基于极少训练样本的高分辨率遥感影像监督分类方法，其特征在于，所述步骤1中利用分类器对初始训练样本进行分类时选择三个分类器，三个所述分类器为KNN分类器、MLC分类器和随机树分类器。

5.根据权利要求1所述的一种基于极少训练样本的高分辨率遥感影像监督分类方法，其特征在于，所述步骤5中：以像素种子点为中心进行预定领域搜索时的方法由以下步骤组成：

以像素种子点为中心，以n*n的动态窗口进行领域搜索，当该n*n的动态窗口内所有像素点类别一致时，以像素种子点为中心，以(n+2)*(n+2)的动态窗口进行领域搜索，依次类推，直到以像素种子点为中心、(n+2m)*(n+2m)的动态窗口内像素点类别不一致；最后以(n+

2m‑4)*(n+2m‑4)的窗口内所有像素自身为中心分别以同样大小的窗口计算窗口内像素点的方差，对所得的方差进行升序排序，去除异常值之后并选取方差最小值、第一个四分位点、中位点、第二个四分点、最大值对应的像素点作为训练样本；其中，n为大于等于3的奇数，m为正整数。

6.根据权利要求1所述的一种基于极少训练样本的高分辨率遥感影像监督分类方法，其特征在于，所述步骤6中进行迭代时，迭代方程||Pn‑Pn‑1||≤ε中，Pn＝pu/pt，pu为所有分类器共同分类一致的像素点个数，pt为高分影像像素的总个数。