1.一种风云卫星遥感影像云检测方法，其特征在于，包括以下步骤：

步骤a：提取风云卫星遥感影像的红外1波段和可见光波段，并利用至少两种阈值方法分别得到所述红外1波段和可见光波段的至少两种二值化阈值结果；

步骤b：利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，得到所述遥感影像的集成阈值云检测结果；

步骤c：根据所述集成阈值云检测结果与官方提供的云检测结果共同选取随机森林的训练样本集；

步骤d：通过所述训练样本集构建随机森林检测模型，通过所述随机森林检测模型进行风云卫星遥感影像云检测。

2.根据权利要求1所述的风云卫星遥感影像云检测方法，其特征在于，在所述步骤b中，所述利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，并将所述红外1波段和可见光波段的阈值集成结果进行合并，得到所述遥感影像的集成阈值云检测结果具体为：使用投票的方式作为结合策略，投票系数δ决定结合策略的结合程度；设所述十种阈值方法得到的云检测结果为(F1，,F2,......Fp)，Fp为第p种阈值方法对应的云检测结果，使用δ序列(δ1,，δ2,......,δi)作为投票系数，得到云检测结果如果某个像素标记得到的投票数超过投票系数δi，则检测结果为云，否则为非云；最后，选择最佳的 值为集成阈值的云检测结果。

3.根据权利要求2所述的风云卫星遥感影像云检测方法，其特征在于，在所述步骤c中，所述根据集成阈值云检测结果和官方提供的云检测结果共同选取随机森林的训练样本集具体为：分别选取官方云检测结果的上下端各1/4部分以及所述集成阈值云检测结果的中间1/2部分作为随机森林的训练样本集的分类图像R；从所述分类图像R中随机选取q1个有云像素点和q2个无云像素点作为原始训练样本，选取当前像素点，同时选取当前像素点附近的k*k邻域内的像素点构成训练样本，并选取训练样本的5个波段像素点灰度值、5个波段像素点灰度值对应的均值和方差以及云和非云的标记作为训练特征。

4.根据权利要求3所述的风云卫星遥感影像云检测方法，其特征在于，在所述步骤d中，所述通过训练样本集构建随机森林检测模型具体为：定义参数n和m，其中n代表决策树的数量，m代表分裂每个节点上属性特征的数量；从所述训练样本集中抽出n个训练样本，将每个训练样本分别作为训练集生成单棵决策树，在所述决策树的每个节点处，从特征变量中随机选m个特征变量作为预测变量，并选取一个最优的特征变量进行分类；所述随机森林采用分类与回归树算法生成决策树，每个节点根据GINI指数选择最佳分裂树形，所述GINI指数公式为：上述公式中，T为学习器{h1,h2,...,hT}集合的个数，f(CiT)/|T|是所选类属于Ci的概率；如果子节点的基尼指数小于父节点，则分裂该节点；当GINI指数为0时，终止分裂，一类被分离出来；当n个决策树生成森林时，用所述n个决策树的预测结果预测新的数据集。

5.一种风云卫星遥感影像云检测系统，其特征在于，包括：

波段提取模块：用于提取风云卫星遥感影像的红外1波段和可见光波段；

二值化模块：用于利用至少两种阈值方法分别得到所述红外1波段和可见光波段的至少两种二值化阈值结果；

阈值集成模块：用于利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，得到所述遥感影像的集成阈值云检测结果；

样本选取模块：用于根据所述集成阈值云检测结果与官方提供的云检测结果共同选取随机森林的训练样本集；

模型构建模块：用于通过所述训练样本集构建随机森林检测模型，通过所述随机森林检测模型进行风云卫星遥感影像云检测。

6.根据权利要求5所述的风云卫星遥感影像云检测系统，其特征在于，所述阈值集成模块利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，并将所述红外1波段和可见光波段的阈值集成结果进行合并，得到所述遥感影像的集成阈值云检测结果具体为：使用投票的方式作为结合策略，投票系数δ决定结合策略的结合程度；设所述十种阈值方法得到的云检测结果为(F1，,F2,......Fp)，Fp为第p种阈值方法对应的云检测结果，使用δ序列(δ1,，δ2,......,δi)作为投票系数，得到云检测结果如果某个像素标记得到的投票数超过投票系数δi，则检测结果为云，否则为非云；最后，选择最佳的 值为集成阈值的云检测结果。

7.根据权利要求6所述的风云卫星遥感影像云检测系统，其特征在于，所述样本选取模块根据集成阈值云检测结果和官方提供的云检测结果共同选取随机森林的训练样本集具体为：分别选取官方云检测结果的上下端各1/4部分以及所述集成阈值云检测结果的中间

1/2部分作为随机森林的训练样本集的分类图像R；从所述分类图像R中随机选取q1个有云像素点和q2个无云像素点作为原始训练样本，选取当前像素点，同时选取当前像素点附近的k*k邻域内的像素点构成训练样本，并选取训练样本的5个波段像素点灰度值、5个波段像素点灰度值对应的均值和方差以及云和非云的标记作为训练特征。

8.根据权利要求7所述的风云卫星遥感影像云检测系统，其特征在于，所述模型构建模块通过训练样本集构建随机森林检测模型具体为：定义参数n和m，其中n代表决策树的数量，m代表分裂每个节点上属性特征的数量；从所述训练样本集中抽出n个训练样本，将每个训练样本分别作为训练集生成单棵决策树，在所述决策树的每个节点处，从特征变量中随机选m个特征变量作为预测变量，并选取一个最优的特征变量进行分类；所述随机森林采用分类与回归树算法生成决策树，每个节点根据GINI指数选择最佳分裂树形，所述GINI指数公式为：上述公式中，T为学习器{h1,h2,...,hT}集合的个数，f(CiT)/|T|是所选类属于Ci的概率；如果子节点的基尼指数小于父节点，则分裂该节点；当GINI指数为0时，终止分裂，一类被分离出来；当n个决策树生成森林时，用所述n个决策树的预测结果预测新的数据集。

9.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述1至4任一项所述的风云卫星遥感影像云检测方法的以下操作：步骤a：提取风云卫星遥感影像的红外1波段和可见光波段，并利用至少两种阈值方法分别得到所述红外1波段和可见光波段的至少两种二值化阈值结果；

步骤b：利用集成阈值法分别对所述红外1波段和可见光波段的至少两种二值化阈值结果进行集成，得到所述遥感影像的集成阈值云检测结果；

步骤c：根据所述集成阈值云检测结果和官方提供的云检测结果共同选取随机森林的训练样本集；

步骤d：通过所述训练样本集构建随机森林检测模型，通过所述随机森林检测模型进行风云卫星遥感影像云检测。