1.一种基于遥感影像的提取城市洪涝淹没范围方法，其特征在于，包括：获取风云四号卫星遥感影像并进行预处理，利用卷积神经网络将预处理之后的遥感影像划分为薄云区域和厚云区域；

采用同态滤波法去除薄云区域上的薄云；

采用替换法去除厚云区域上的厚云；

提取去云后遥感影像中水体面积，获得第一城市淹没范围；

获取同区域同时间的雷达影像，采用最大类间方差法提取雷达影像中水体面积，获得第二城市淹没范围；

利用第一城市淹没范围和第二城市淹没范围训练超分辨率卷积神经网络，利用训练之后的超分辨率卷积神经网络得到重建后更高分辨率的城市洪涝淹没范围；

提取去云后遥感影像中水体面积，获得第一城市淹没范围包括：基于去云之后的遥感影像数据，利用绿色波段与红色波段计算归一化差异水体指数MNDWI，表达式为：，

式中， 代表绿色波段反射率， 代表中红外波段的反射率；

将大于阈值MNDWI0的遥感影像划分为目标水体，反之划分为背景，将目标水体对应的遥感影像区域作为第一城市淹没范围；

根据目标水体计算水体面积，表达式为：

，

式中，Pw和Ptotal分别表示研究区内水体像素个数和研究区内所有像素个数，Aw与Atotal分别表示研究区内水体面积和整个研究区影像总面积；

采用最大类间方差法提取雷达影像中水体面积，获得第二城市淹没范围包括：将雷达影像转换为灰度图像，并进行标准化，将像素值映射到0至255的范围内；

统计灰度图像中每个灰度级别的像素数量，形成灰度直方图；

计算灰度直方图中所有像素的总数，表达式为：N =  Σ(ni) ，

式中，ni为灰度直方图中灰度为i的像素的总数量，i的范围是0到255；

计算每个灰度级别的概率，表达式为：

pi = ni / N ，

根据像素值阈值t0将灰度直方图中的像素分为两类，其中像素值小于t0的像素集合记为类A，反之记为类B；

分别计算类A的权重pA(t)和类B的权重pB(t)，表达式分别为：，

，

分别计算类A的灰度均值mA(t)和类B的灰度均值mB(t)，表达式分别为：，

，

计算整幅图像的灰度均值，表达式为：

 ，

计算类间方差，表达式为：

，

从0至255范围内遍历所有可能的像素值阈值t0，计算每个像素值阈值对应的类间方差σ*²，找到使类间方差σ²最大像素值阈值t ；

* *

使用最大像素值阈值t 对雷达影像的灰度图像进行二值化处理，即将像素值小于t 的*像素设置为0，用于表示背景，像素值大于或等于t 的像素设置为255，用于表示目标水体，将目标水体对应的雷达影像区域作为第二城市淹没范围；

根据目标水体计算水体面积。

2.根据权利要求1所述的一种基于遥感影像的提取城市洪涝淹没范围方法，其特征在于，采用同态滤波法去除薄云区域上的薄云包括：将薄云区域对应的遥感影像分解为多个单波段遥感影像，对每个波段遥感影像分别进行去除薄云。

3.根据权利要求2所述的一种基于遥感影像的提取城市洪涝淹没范围方法，其特征在于，对每个波段遥感影像分别进行去除薄云包括：薄云区域对应的遥感影像的数学模型为：

fs(x,y)= fi(x,y)×fr(x,y) ，式中，二维函数形式fs(x,y)表示获取的薄云区域对应的遥感影像，x、y表示各像元在二维遥感影像上的位置坐标，fi(x,y)表示获取的遥感影像中包含的入射分量，也称为薄云照明分量，fr(x,y)表示获取的遥感影像中包含的反射分量，也称为地面反射分量；

将薄云区域对应的遥感影像进行对数变换，以将遥感影像的薄云照明分量和地面反射分量分离，数学表达式为：Infs(x, y) = Infi(x, y) + Infr(x, y) ，将对数变换后的结果Infs(x, y)再进行傅里叶变换，以降低薄云照明分量，数学表达式为：F{Infs (x, y)} = F{Infi (x, y)}+ F{Infr (x, y)} ，令S(u,v)=F{Infs (x, y)} ，I(u,v)= F{Infi (x, y)}，R(u,v)= F{Infr (x, y)}，则有：S(u,v) = I(u,v) + R(u,v) ，通过高通滤波器对傅里叶变换后的结果S(u,v)进行低频成分I(u,v)的抑制和高频成分R(u,v)的提取，数学表达式为：p(u,v)=S(u,v) ×H(u,v)=I(u,v) ×H(u,v)+ R(u,v) ×H(u,v) ，式中，H(u,v)为高通滤波器的传递函数；

将高通滤波后的结果p(u,v)进行逆傅里叶变换，数学表达式为：‑1 ‑1 ‑1

p(x, y) = F  {p(u,v)} = F   {I(u,v)× H(x, y)}+ F  {R(u,v)×H(x, y)} ，‑1 ‑1令i(x, y)= F  {I(u,v)× H(x, y)}，r(x, y)=F  {R(u,v)×H(x, y)}，则有：p(x, y) = i(x, y) + r(x, y) ，将逆傅里叶变换后的结果p(x, y)进行指数变换，数学表达式为：g(x, y) =exp {i(x, y)} + exp {r(x, y)} ，令i0(x, y)=exp {i(x, y)}，r0(x, y)=exp {r(x, y)}，其中i0(x, y)表示最终得到的薄云照明分量，r0(x, y)为地面反射分量，则利用同态滤波去薄云后的遥感影像表达式为：g(x, y) = i0(x, y)+ r0(x, y)。

4.根据权利要求1所述的一种基于遥感影像的提取城市洪涝淹没范围方法，其特征在于，采用替换法去除厚云区域上的厚云包括：获取同一地区在不同时间或不同传感器下风云四号卫星拍摄的无云遥感影像和有云遥感影像，并进行地理编码，确保两幅遥感影像的坐标系统一致，在配准后的遥感影像上，将无云遥感影像对应区域替换有云遥感影像的云遮挡区域。

5.根据权利要求1所述的一种基于遥感影像的提取城市洪涝淹没范围方法，其特征在于，利用第一城市淹没范围和第二城市淹没范围训练超分辨率卷积神经网络包括：将第一城市淹没范围作为超分辨率卷积神经网络的输入项，将第二城市淹没范围作为超分辨率卷积神经网络的输出项，对超分辨率卷积神经网络进行训练。

6.根据权利要求5所述的一种基于遥感影像的提取城市洪涝淹没范围方法，其特征在于，利用训练之后的超分辨率卷积神经网络得到重建后更高分辨率的城市洪涝淹没范围包括：将风云四号卫星遥感影像输入至训练之后的超分辨率卷积神经网络中，得到重建后更高分辨率的城市淹没范围。