1.一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，其特征在于：按如下步骤A至步骤C，获得用于识别海面上舰船、冰山的目标分类模型；进而应用目标分类模型，针对目标海面区域，实现关于舰船、冰山的分类；

步骤A. 构建预设数量包含冰山目标标签、舰船目标标签的各幅海面区域RGB多光谱样本图像，然后进入步骤B；

步骤B. 构建轻量级网络，作为待训练网络，然后进入步骤C；

步骤C. 基于各幅海面区域RGB多光谱样本图像，以海面区域RGB多光谱样本图像为输入，海面区域RGB多光谱样本图像中冰山目标标签、舰船目标标签、或者无冰山与舰船目标标签为输出，针对待训练网络进行训练，获得目标分类模型。

2.根据权利要求1所述一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，其特征在于：还包括如下步骤i，实现对所述目标分类模型的有效性评估；

步骤i. 按如下公式，通过目标红色反射率占比  与平均反射率 之间的散点图、以及训练精度 、验证精度 ，对目标分类模型分类结果进行分析，验证目标分类模型的有效性；

其中，表示训练时将舰船冰山正确分类的数据样本数， 为训练数据集样本总数，表示验证时将舰船冰山正确分类的数据样本数， 为验证数据集样本总数，， 为舰船冰山目标蓝色反射率， 为舰船冰山目标绿色反射率、

为舰船冰山目标红色反射率， 为舰船冰山目标近红外反射率，为舰船冰山目标4波段总反射率，为目标像素面积。

3.根据权利要求1所述一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，其特征在于：所述步骤A包括步骤A1至步骤A11；

步骤A1. 基于哨兵2卫星的不同波段，应用哨兵2卫星捕获包含各冰山目标标签与各舰船目标标签、且分别对应蓝色波段、绿色波段、红色波段、近红外波段的海面区域的多光谱图像，然后进入步骤A2；

步骤A2. 针对红色波段下多光谱图像与近红外波段下多光谱图像进行融合，构成R通道多光谱图像，并结合蓝色波段下多光谱图像作为B通道多光谱图像、绿色波段下多光谱图像作为G通道多光谱图像，构成RGB三通道多光谱图像，然后进入步骤A3；

步骤A3. 基于预设区分场景区域与场景目标的像素阈值 ，通过像素值高于 的像素连接区域，标记RGB三通道多光谱图像中的各个场景目标，然后进入步骤A4；

步骤A4. 分别以各个场景目标作为图像块中心位置，由RGB三通道多光谱图像中截取各个预设尺寸的图像块，即获得各个RGB三通道图像块，然后进入步骤A5；

步骤A5. 分别针对各个RGB三通道图像块，根据预设区分场景目标中陆地和海冰的像素阈值 ，通过像素值高于 的像素区域，确定RGB三通道图像块场景目标中的陆地和海冰像素区域、并进行遮蔽去除，更新该RGB三通道图像块中场景目标；进而更新各RGB三通道图像块，然后进入步骤A6；

步骤A6. 基于其它卫星捕获与步骤A1中多光谱图像相同海面区域的参考图像，分别针对各个RGB三通道图像块，执行RGB三通道图像块与参考图像之间的比较，剔除RGB三通道图像块场景目标中除舰船、冰山以外的各静止目标，更新该RGB三通道图像块中场景目标；进而更新各RGB三通道图像块，然后进入步骤A7；

步骤A7. 分别针对各个RGB三通道图像块，确定RGB三通道图像块中的海岸线，并确定海岸线向两侧延伸预设距离区域为海岸波浪目标，执行遮蔽去除，更新该RGB三通道图像块中场景目标；进而更新各RGB三通道图像块，然后进入步骤A8；

步骤A8. 分别针对各个RGB三通道图像块，剔除RGB三通道图像块场景目标中海面上的海浪、以及分离的舰船尾迹，更新该RGB三通道图像块中场景目标；进而更新各RGB三通道图像块，然后进入步骤A9；

步骤A9. 分别针对各个RGB三通道图像块，判断RGB三通道图像块中是否存在除中心位置场景目标以外的其余目标，是则对该其余各目标进行遮蔽去除，更新该RGB三通道图像块中场景目标，并进入步骤A10；否则直接进入步骤A10；

步骤A10. 分别针对各个RGB三通道图像块，剔除RGB三通道图像块场景目标中尺寸小于预设像素数的目标，更新该RGB三通道图像块中场景目标，进而更新各RGB三通道图像块，然后进入步骤A11；

步骤A11. 分别针对各个RGB三通道图像块，区分定义RGB三通道图像块场景目标中的冰山目标标签、舰船目标标签、或无冰山与舰船目标标签，构成海面区域RGB多光谱样本图像；进而获得各幅海面区域RGB多光谱样本图像。

4.根据权利要求3所述一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，其特征在于：按如下操作，应用目标分类模型，针对目标海面区域，实现关于舰船、冰山的分类；

首先基于卫星的不同波段，应用哨兵2卫星捕获目标海面区域分别对应蓝色波段、绿色波段、红色波段、近红外波段的海面区域的多光谱图像；

然后基于各波段多光谱图像，依次执行步骤A2至步骤A10，获得各RGB三通道图像块，作为各目标海面区域RGB多光谱图像；

最后分别针对各目标海面区域RGB多光谱图像，应用目标分类模型，实现关于舰船、冰山的分类。

5.根据权利要求1所述一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，其特征在于：所述步骤B中构建轻量级网络如下，作为待训练网络；

轻量级网络自其输入端至其输出端依次串联Input（75,3）层、Conv2DR（64,3）层、Conv2DR（64,3）层、Conv2DR（64,3）层、MaxPool2D（64,3,2）层、Conv2DR（128,3）层、Conv2DR（128,3）层、Conv2DR（128,3）层、MaxPool2D（128,2,2）层、Dropout0.1层、Conv2DR（128,3）层、MaxPool2D（128,2,2）层、Conv2DR（128,3）层、MaxPool2D（128,2,2）层、Dropout0.2层、Flatten（512）层、DenseR（512）层、DenseR（256）层、Dropout0.2层、DenseS（1）层；

其中，Input（m,c）为输入层，Conv2DR（c,k）层为二维卷积加修正线性单元激活函数层，MaxPool2D（c,k,s）层为二维最大池化层，Dropoutv层为正则化层，Flatten（c）层为平化层，DenseR（c）层为全链接加修正线性单元激活函数层，DenseS（c）层为全链接加Sigmoid激活函数层；m表示图像数据像素尺寸大小 ，c为通道数，k表示核尺寸大小，s表示步长，v表示复杂度。

6.根据权利要求1所述一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，其特征在于：所述步骤C针对待训练网络进行训练的过程中，应用K‑means聚类算法进行迭代求解，并使用Adam梯度优化算法对网络训练进行优化。

7.根据权利要求6所述一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，其特征在于：所述步骤C针对网络训练进行优化过程中使用如下二进制交叉熵作为损失函数；

式中， 为每轮次训练的损失值， 表示以e为底的对数， 表示求和， 为训练数据集样本数， 为训练数据集第 个样本为冰山的概率， 为训练数据集第 个样本为冰山的标注值， 。