1.一种基于多源卫星影像的船舶自动识别方法，其特征在于，其步骤如下：

S1、利用Sentienl‑1微波卫星采集N幅Sentienl‑1微波卫星影像，并分别对N幅Sentienl‑1微波卫星影像进行预处理，得到Sentienl‑1船舶指数图像；具体方法为：S11、将Sentienl‑1微波卫星影像中VV极化影像的后向散射系数大于‑1的像元值设置为‑1；

S12、利用SSIi＝(βvv,i‑βvh,i)/βvv,i计算Sentienl‑1微波卫星影像船舶指数，得到Sentienl‑1船舶指数图像，其中，SSIi表示Sentienl‑1船舶指数图像中像元i的像元值，βvv,i表示Sentinel‑1VV极化影像中像元i的后向散射系数，βvh,i表示Sentinel‑1VH极化影像中像元i的后向散射系数，i＝1,2,…,n，n为像元的数量；

S2、根据步骤S1中得到的Sentienl‑1船舶指数图像构建船舶‑非船舶的像元直方图，根据像元直方图得到区分船舶与非船舶的阈值α；

S3、根据N幅Sentienl‑1微波卫星影像，统计船舶在Sentienl‑1VH极化影像中的图像特征，得到优化船舶识别的参数δ，完成Sentienl‑1船舶识别模型构建；

S4、对Sentinel‑1微波卫星采集到的实时影像进行预处理，得到实时Sentienl‑1船舶指数图像；

S5、将步骤S4中的实时Sentienl‑1船舶指数图像和实时Sentienl‑1VH极化影像输入Sentienl‑1船舶识别模型，获得船舶‑非船舶二值图像；

S6、利用Landsat‑8光学卫星采集年度改进归一化差异水体指数图像，并对年度改进归一化差异水体指数图像二值化处理得到水掩膜图像；

S7、利用数字高程模型卫星采集数字高程模型坡度图像，并对数字高程模型坡度图像进行二值化处理得到坡度掩膜图像；

S8、利用步骤S6中的水掩膜图像和步骤S7中的坡度掩膜图像对步骤S5中的船舶‑非船舶二值图像做掩膜运算，完成船舶识别。

2.根据权利要求1所述的基于多源卫星影像的船舶自动识别方法，其特征在于，所述将实时Sentienl‑1船舶指数图像和实时Sentienl‑1 VH极化影像输入Sentienl‑1船舶识别模型，获得船舶‑非船舶二值图像的方法为：将实时Sentienl‑1船舶指数图像的像元值大于阈值α，且VH极化影像中像元值小于阈值δ的像元作为船舶，船舶对应的像元值均设置为1，其余像元值均设置为0，得到船舶‑非船舶二值图像。

3.根据权利要求1所述的基于多源卫星影像的船舶自动识别方法，其特征在于，所述对年度改进归一化差异水体指数图像进行二值化处理得到水掩膜图像的方法为：S61、利用最大值合成技术对年度改进归一化差异水体指数图像进行处理得到改进归一化差异水体指数最大化图像；

S62、将改进归一化差异水体指数最大化图像中像元值大于0.1的像元作为水体，水体对应的像元值均设置为1，其余像元值均设置为0，得到水掩膜图像。

4.根据权利要求1所述的基于多源卫星影像的船舶自动识别方法，其特征在于，所述对数字高程模型坡度图像进行二值化处理得到坡度掩膜图像的方法为：将数字高程模型坡度图像中坡度小于1的像元作为船舶可能存在区域，船舶可能存在区域对应的像元值均设置为1，其余像元值均设置为0，得到坡度掩膜图像。