1.一种图像级别标注自动提取高分遥感影像建筑物的弱监督方法，其特征在于，主要包括：步骤A：建筑物目标的弱监督标记信息获取；

步骤B：建筑物自动提取。

2.根据权利要求1所述的方法，其特征在于，建筑物目标的弱监督标记信息获取的具体方法如下：(A-1)获取高分辨率遥感影像；

(A-2)对步骤(A-1)获取的高分辨率遥感影像进行分块剪裁，生成遥感影像数据块；

(A-3)对步骤(A-2)生成的遥感影像数据块进行筛选分类，分成建筑物遥感影像块和其他地物类遥感影响块；

(A-4)将步骤(A-3)所得建筑类遥感影像块和其他地物类遥感影像块输入分类模型进行训练，得到更新后的模型；

(A-5)对步骤(A-4)更新后的模型进行定位模块改进；

(A-6)采用步骤(A-5)改进后的模型反向定位建筑物目标区域，得到特征定位热力图，生成最终的定位结果；

(A-7)热力图像素值归一化；

(A-8)生成建筑物定位像素级标签。

3.根据权利要求2所述的方法，其特征在于，步骤(A-2)的具体方法是：按照像素行列，生成多幅规定行列数的遥感影像数据块。

4.根据权利要求2所述的方法，其特征在于，步骤(A-3)中，遥感影像数据块中含有建筑物的影像块划分为建筑物遥感影像块，其他不含建筑物的遥感影像标签数据块划分为其他地物类遥感影像块。

5.根据权利要求2所述的方法，其特征在于，步骤(A-4)的具体方法是：将建筑物遥感影像块和其他地类遥感影像块输入分类模型进行训练，使模型中的遥感影像块与其对应类别匹配的概率取得最大值时对模型的参数进行更新，得到更新后的模型，其中，所述分类模型为VGG16网络。

6.根据权利要求2所述的方法，其特征在于，步骤(A-5)的具体方法是：移除步骤(A-4)更新后的模型中第五个卷基层后的池化层和全连接层，并行添加空洞率分别为1,3,6,9的卷积层，然后为每一个卷积层添加一个全局平均池化层。

7.根据权利要求2所述的方法，其特征在于，步骤(A-6)的具体方法是：将建筑物遥感影像块和其他地类遥感影像块输入步骤(A-5)改进后的模型，模型经过卷积提取图像特征，再经过全局平均池化层后，得到不同通道特征图对分类结果的贡献权重值，将特征图与贡献权重值相乘，得到特征定位热力图，将由步骤(A-5)添加的不同卷积率(3,6,9)生成的定位图进行平均运算，然后将所得的平均热力图添加到标准卷积所得的热力映射中，生成最终的定位结果。

8.根据权利要求1所述的方法，其特征在于，步骤(A-7)的具体方法是：获取热力图中的最大热力值和最小热力值，用图像中每一个像素点的热力值减去最小值后，再除以最大热力值和最小之差。

9.根据权利要求1所述的方法，其特征在于，步骤(A-8)的具体方法是：将归一化后的热力图中像素值高于0.7的像素区域视为建筑物，低于0.2的像素区域视为其他地物。

10.根据权利要求1所述的方法，其特征在于，建筑物自动提取的具体方法如下：(B-1)获取建筑物遥感影像块相对应的数字高程模型数据；

(B-2)归一化建筑物遥感影像块的数字高程模型数据；

(B-3)生成建筑物遥感影像块的归一化植被指数数据；

(B-4)融合影像数据、数字高程模型数据和归一化植被指数数据；

(B-5)建筑物提取模型训练；

(B-6)建筑物提取模型测试；

(B-7)基于建筑物提取模型的训练和测试，对其他的建筑物遥感影像进行提取。