1.一種基于深度學(xué)習(xí)的海冰分類和密集度反演方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的海冰分類和密集度反演方法，其特征在于，所述對原始雙極化合成孔徑雷達(dá)數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理的雙極化合成孔徑雷達(dá)數(shù)據(jù)，包括：
3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的海冰分類和密集度反演方法，其特征在于，所述對預(yù)處理的雙極化合成孔徑雷達(dá)數(shù)據(jù)進(jìn)行超像素分割采用meanshift分割法。
4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的海冰分類和密集度反演方法，其特征在于，所述條件隨機(jī)場模型的表達(dá)式如下：
5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的海冰分類和密集度反演方法，其特征在于，所述ice-waternet網(wǎng)絡(luò)模型為編碼器-解碼器結(jié)構(gòu)，其中，所述編碼器和解碼器中的卷積層數(shù)量均為5個(gè)，所述編碼器用于計(jì)算通道和空間特征，所述解碼器用于利用多尺度上下文信息來提取不同種類的浮冰，所述解碼器中的各卷積層均設(shè)有注意力模塊，所述注意力模塊用于利用hh和hv通道之間的差異區(qū)分海冰和海水以確定緩沖區(qū)域。
6.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的海冰分類和密集度反演方法，其特征在于，所述不確定性度量模塊的數(shù)據(jù)處理過程包括：
7.根據(jù)權(quán)利要求6所述的基于深度學(xué)習(xí)的海冰分類和密集度反演方法，其特征在于，所述不確定性度量模塊計(jì)算不確定超像素單元中不確定性區(qū)域內(nèi)特征的不確定性的表達(dá)式如下：
8.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的海冰分類和密集度反演方法，其特征在于，所述ice-waternet網(wǎng)絡(luò)模型的預(yù)訓(xùn)練方法，包括：
9.根據(jù)權(quán)利要求8所述的基于深度學(xué)習(xí)的海冰分類和密集度反演方法，其特征在于，所述損失函數(shù)采用二進(jìn)制交叉熵函數(shù)，其表達(dá)式為：
10.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的海冰分類和密集度反演方法，其特征在于，所述根據(jù)海冰分類結(jié)果圖進(jìn)行海冰密集度反演，得到海冰密集度反演結(jié)果，包括：