1.一种基于拉普拉斯金字塔遥感图像融合的滑坡体识别方法，其特征在于，包括步骤：S1，对提取的遥感影像局部特征和遥感影像全局特征，通过拉普拉斯金字塔融合模块重建原始遥感影像，生成融合图像；具体实现过程如下：S11，根据遥感影像的尺寸设计图像分块特征提取器，将遥感影像分割成一系列子图片后输入所述特征提取器，对每个子图片执行特征提取，完成遥感影像局部特征提取；

S12，对输入的两张非同源遥感影像进行一次降采样，将图像大小变成原始图像的四分之一；然后对降尺度后的图像执行编码；在重复降尺度并执行编码操作后，直到图像与步骤S11中子图片的大小相同；最后将不同尺度对应的特征上采样到原始大小；

S13，将步骤S11所提取的遥感影像局部特征和步骤S12所提取的遥感影像全局特征输入到拉普拉斯金字塔融合模块，通过图像重建自编码网络重建原始遥感影像；

S2，通过基于并行结构的语义分割网络，构建深度学习语义分割模型；

所述语义分割网络的主体包含了四个阶段，每次阶段扩展时，都会在底部添加一个流；

语义分割网络的一个流表示已经操作了高分辨率到低分辨率的处理，下一级由先前的流和减小到一半大小的另一个流组成；在每次下采样操作之前，进行多分辨率融合、交换信息；

所有低分辨率特征将被上采样到与第一个流相同的分辨率，并将上采样后的特征连接起来，得到用于语义分割的特征图；实现过程如下：S21，用步长为2的卷积将输入图像分辨率缩小到1/4大小，为第一阶段的输入；在经过随后的三次降低分辨率后，最底层流的分辨率变为原始输入大小的1/32；则第四阶段包括4个不同分辨率的特征图，分别率分别为1/4、1/8、1/16和1/32；

S22，在第四阶段，融合4种不同分辨率的特征表示，以增强图像特征；然后通过上采样将4种不同分辨率的特征表示恢复到第一阶段的相同分辨率，为原始输入尺寸的1/4；

S23,通过1×1卷积将第四阶段中恢复后的4个相同分辨率的特征表示串联起来，再通过四次上采样得到与整个网络输入大小相同的分割结果；

S3，通过图片标记工具，对融合图像中发生滑坡灾害的地方和未发生滑坡灾害的地方分别进行标记，得到滑坡灾害标签图数据集；

S4,用步骤S3得到的数据集训练深度学习语义分割模型，通过修改语义分割网络结构和调整深度学习语义分割模型参数，直至深度学习语义分割模型的损失曲线达到拟合、识别遥感影像中滑坡体的精度满足要求时，则保存该深度学习语义分割模型。

2.根据权利要求1所述的基于拉普拉斯金字塔遥感图像融合的滑坡体识别方法，其特征在于，所述步骤S3的实现过程如下：S31，对选取的遥感影像对进行辐射定标、几何校正、对数转换的预处理工作；

S32，使用图片标记工具对融合图像进行标记，将融合图像中发生滑坡灾害的地方和未发生滑坡部分分别进行标记，获得与原始影像同样大小的滑坡标签图；

S33，根据语义分割网络通道尺寸，将标记后的滑坡灾害标签图进行裁切；并删除滑坡标签图中不包括滑坡的标签，得到滑坡灾害标签图数据集。