1.一种基于空谱联合的多光谱遥感图像云检测方法，其特征在于，包括以下步骤：(1)获取训练样本集和测试样本集：从卫星数据库中获取K幅带云区域标签的多光谱遥感图像，对每一幅多光谱遥感图像进行归一化处理，选取其中M幅归一化后的多光谱遥感图像及其对应的标签作为训练样本集,剩下N幅归一化后的多光谱遥感图像及其对应的标签作为测试样本集，其中，K＞10000，M＞N；(2)构建基于空谱联合的多光谱遥感图像云检测网络H：构建包括顺次级联的输入层、编码模块、解码模块和输出层，以及多个上下文动态卷积模块CD的多光谱遥感图像云检测网络H，编码模块包括顺次级联的多个卷积层和多个下采样模块D，每个下采样模块D包括由并行排布的空间特征提取模块S和光谱特征提取模块C组成的空谱信息提取模块SC以及与SC级联的最大池化层；解码模块包括顺次级联的多个上采样模块U和多个卷积层，每个上采样模块U包括顺次级联卷积层、正则化层和上采样层；解码模块中上采样模块U的个数与编码模块中下采样模块D的个数相等，每个下采样模块D与其位置对称的上采样模块U之间通过上下文动态卷积模块CD连接；输出层包括顺次级联卷积层和激活函数层；(3)对多光谱遥感图像云检测网络H进行迭代训练：(3a)初始化迭代次数为r，最大迭代次数为R，R≥30，第r次迭代多光谱遥感图像云检测网络H r 的权值参数为α r ，并令r＝0；(3b)将训练样本集作为多光谱遥感图像云检测网络H的输入，编码模块中的多个卷积层提取每个训练样本的整体特征，多个下采样模块D中的空谱信息提取模块SC提取整体特征的空间信息和光谱信息后，经过最大池化层的池化，得到多个不同尺度的空谱信息；每个上下文动态卷积模块CD都将最后一个下采样模块D输出的空谱信息调整成多个自适应卷积核并通过自适应卷积核将不同尺度的空谱信息融合到解码模块，然后通过解码模块对融合后的信息进行解码，输出层对解码结果进行二分类，得到M个训练样本的云检测预测结果；(3c)采用Focalloss损失函数，计算每个训练样本的云检测预测结果与对应的真实标签的损失值θ m ，并采用梯度下降法，通过损失值θ m 与权值α r 参数的偏导对α r 进行更新，得到本次迭代后的多光谱遥感图像云检测网络H r ；(3d)判断r＝R是否成立，若是，得到训练好的多光谱遥感图像云检测网络H R ，否则，令r＝r+1，H r ＝H，并执行步骤(3b)；(4)获取测试样本集的云检测预测结果：将测试样本集作为训练好的多光谱遥感图像云检测网络H R 的输入进行前向传播，利用该网络的权值α R 获取对应测试样本图像的云检测预测结果。
2.根据权利要求1中所述的基于空谱联合的多光谱遥感图像云检测方法，其特征在于，步骤(2)中所述的多光谱遥感图像云检测网络H，其中：所述编码模块，其所包含的卷积层数量为二，下采样模块D的个数为四，其中，卷积层卷积核大小为3×3，卷积核移动步长为1，下采样模块D中最大池化层池化窗口大小为2×2；所述空间特征提取模块S由密集连接的多个三维卷积层、批量正则化层以及激活函数层级联而成；其中三维卷积层卷积核大小为a×a×p，a＜5，p＜3，光谱特征提取模块C由密集连接的多个三维卷积层、批量正则化层以及激活函数层级联而成，其中三维卷积层卷积核大小为1×1×a，a＜5；所述解码模块，其所包含的上采样模块U的个数为四，卷积层数量为二，其中所有的卷积层卷积核大小为3×3，卷积核移动步长为1；所述输出层，其所包含的卷积层卷积核大小为1×1，移动步长为1，激活函数层激活函数为softmax激活函数；所述上下文动态卷积模块CD，其中，深层特征经过卷积层形成卷积核大小为3×3的卷积层，其中卷积层卷积核大小为1×1，移动步长为1。
3.根据权利要求1中所述的基于空谱联合的多光谱遥感图像云检测方法，其特征在于，步骤(3c)中所述的Focalloss损失函数，其表达式为：其中y (m) 表示第m个训练样本的真实标签，y' (m) 表示第m幅训练样本的预测结果。
