1.一种高分辨率遥感图像滑坡识别方法，其特征在于，包括：

步骤S1、获取高分辨率遥感滑坡数据集；

步骤S2、根据高分辨率遥感滑坡数据集，构建高分辨率遥感滑坡提取网络HRLE‑Net；其中，高分辨率遥感滑坡提取网络HRLE‑Net包括：遥感滑坡浅层特征提取模块、遥感滑坡深层特征提取模块以及遥感滑坡多层次特征整合模块；

步骤S3、划分高分辨率遥感滑坡数据集，得到训练集和测试集；

步骤S4、根据训练集训练高分辨率遥感滑坡提取网络HRLE‑Net；

步骤S5、将测试集输入到训练好的高分辨率遥感滑坡提取网络HRLE‑Net中，提取滑坡区域。

2.如权利要求1所述的高分辨率遥感图像滑坡识别方法，其特征在于，遥感滑坡浅层特征提取模块包括：三种多种类残差空洞卷积块，分别为F‑MRFCB、S‑MRFCB和T‑MRFCB，三种多种类残差空洞卷积块分别使用具有不用空洞率的空洞卷积核，并配合批归一化和激活函数，共同提取高分辨率遥感图像中滑坡的浅层特征。

3.如权利要求2所述的高分辨率遥感图像滑坡识别方法，其特征在于，遥感滑坡浅层特征提取模块包括：滑坡二维特征提取子模块LTFE和滑坡全局特征提取模块LGFE；其中，LTFE中从水平和垂直维度，并配合空洞卷积提取高分辨率遥感图像中滑坡的深层特征；LGFE使用残差思想配合池化操作提取高分辨率遥感图像中滑坡的深层特征；LTFE和LGFE的输出结果与遥感滑坡浅层特征提取模块中得到的浅层特征进行融合。

4.如权利要求3所述的高分辨率遥感图像滑坡识别方法，其特征在于，遥感滑坡多层次特征整合模块包括：滑坡空间注意力整合子模块LSAA，LSAA利用最大池化操作与空洞卷积核结合，并于输入逐元素相乘的方式，并配合不同卷积核卷积得到的不同尺度的多层次特征图提取高分辨率遥感图像中滑坡的多层次特征。

5.一种高分辨率遥感图像滑坡识别装置，其特征在于，包括：

获取模块，用于获取高分辨率遥感滑坡数据集；

构建模块，用于根据高分辨率遥感滑坡数据集，构建高分辨率遥感滑坡提取网络HRLE‑Net；

划分模块，用于划分高分辨率遥感滑坡数据集，得到训练集和测试集；

训练模块，用于根据训练集训练高分辨率遥感滑坡提取网络HRLE‑Net；其中，高分辨率遥感滑坡提取网络HRLE‑Net包括：遥感滑坡浅层特征提取模块、遥感滑坡深层特征提取模块以及遥感滑坡多层次特征整合模块；

提取模块，用于将测试集输入到训练好的高分辨率遥感滑坡提取网络HRLE‑Net中，提取滑坡区域。

6.一种高分辨率遥感图像滑坡识别系统，其特征在于，包括：存储器和处理器，所述存储器上存储有由所述处理器运行的计算机程序，所述计算机程序在被所述处理器运行时执行如权利要求1至4任意一项所述的高分辨率遥感图像滑坡识别方法。

7.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序在运行时执行如权利要求1至4任意一项所述的高分辨率遥感图像滑坡识别方法。