1.一种基于真彩色 卫星云图与图像处理的云层分割方法，其特征在于，包括：直方图均衡化处理真彩色卫星云图得到色彩均衡化卫星云图，获取色彩均衡化卫星云图颜色平均值，通过色彩均衡化卫星云图颜色平均值得到颜色特征值；获取色彩均衡化卫星云图边缘特征值，融合颜色特征与边缘特征得到颜色增强特征值；

所述颜色增强特征值C的获取方法是通过将边缘特征通过映射关系叠加到颜色特征中，获得颜色增强特征值C，该颜色增强特征值C的表达式为：C＝I+β*ln(I0+1)

其中，C为颜色增强特征值，I为颜色特征值，I0为边缘特征值，β为映射系数；

灰度化处理色彩均衡化卫星云图，通过建立灰度共生矩阵得到纹理特征值；融合纹理特征值得到纹理融合特征；

纹理融合特征值F的获取方法如下：将色彩均衡化卫星云图灰度化后建立灰度共生矩阵，根据灰度共生矩阵得到灰度特征值并通过滑动窗在卫星云图中赋值，得到由纹理特征值组成的纹理特征矩阵，通过将多个纹理特征进行融合得到纹理融合特征值，该纹理融合特征值的表达式为：

F＝a*ASM+b*CON+c*ENT其中，F为纹理融合特征值，ASM为能量值，CON为对比度的值，ENT为熵值，a、b、c为映射系数。

融合颜色增强特征和纹理融合特征，得到多特征融合特征值；通过多特征融合特征值建立多特征融合特征矩阵；将多特征融合特征矩阵与真彩色卫星云图输入双编码全卷积神经网络，得到分割后的卫星云图；

获取多特征融合特征值的表达式为：P＝k*C+l*F

其中，P为多特征融合特征值，C为颜色增强特征值，F为纹理融合特征值，k、l为权重。

2.根据权利要求1所述一种基于真彩色卫星云图与图像处理的云层分割方法，其特征在于：

所述边缘特征值I0的获取方法为：以滑动窗中心像素为基准，对相邻8个像素颜色值作差值运算并求平均值，然后对滑动窗中心赋值得到边缘特征值：其中，I0为边缘特征值，r0、g0、b0分别为窗口中心点的三通道值，ri、gi、bi分别为窗口中心点8领域中第i个像素点的三通道值；

所述颜色特征值I的计算方法如下：通过对色彩均衡化卫星云图R、G、B三个通道做均值运算并叠加后得到颜色平均值，通过颜色平均值得到颜色特征值：其中，I为颜色特征值，r为色彩均衡化卫星云图R通道灰度值，g为云图G通道灰度值，b为云图B通道灰度值，rw为R通道灰度均值，gw为G通道灰度均值，bw为B通道灰度均值，γ、h为系数。

3.根据权利要求1所述一种基于真彩色卫星云图与图像处理的云层分割方法，其特征在于：所述纹理特征矩阵包括能量特征矩阵、对比度特征矩阵和熵特征值矩阵；

获取纹理特征值的方法包括：

能量特征值：

其中，ASM为能量值，G表示灰度共生矩阵，(i，j)表示像素在灰度共生矩阵中的坐标，k为灰度共生矩阵的维度；

对比度特征值：

其中，CON为对比度值，G表示灰度共生矩阵，(i，j)表示像素在灰度共生矩阵中的坐标，k为灰度共生矩阵的维度，n表示像素坐标差值的绝对值；

熵特征值：

其中，ENT为熵值，G表示灰度共生矩阵，(i，j)表示像素在灰度共生矩阵中的坐标，k为灰度共生矩阵的维度。

4.根据权利要求3所述一种基于真彩色卫星云图与图像处理的云层分割方法，其特征在于：所述灰度共生矩阵的建立方法为：对色彩均衡化卫星云图进行灰度化得到灰度影像，然后对获得的灰度影像的灰度级进行量化，以N维矩阵为滑动窗建立灰度共生矩阵。

5.根据权利要求1所述一种基于真彩色卫星云图与图像处理的云层分割方法，其特征在于：所述双编码全卷积神经网络，包括数据集模块和训练模块；

数据集模块包括真彩色卫星云图和该真彩色卫星云图对应的人工标注图像，并将其按照比例划分为训练集和测试集；训练集输入采用训练集真彩色卫星云图与对应的多特征融合特征矩阵，输出为与之对应的人工标注图像；测试集输入为测试机真彩色卫星云图与对应的多特征融合特征矩阵；

训练模型包括双编码器和一个解码器，一个编码器结构的输入为训练集真彩色卫星云图，输出为经过卷积‑池化的特征图像；另一个编码器结构的输入为多特征融合特征矩阵，输出为多特征融合特征图像，通过编码器提取图像特征；

将双编码器结构输出的特征图像进行并行特征融合作为解码器结构的输入，输出为编码器结构输入的真彩色卫星云图对应的人工标注图像，建立特征图像与训练集输出真彩色卫星云图对应人工标注图像间的映射关系。