时序遥感影像的分析处理是地物变化监测的重要技术手段。由于遥感影像采集时间、环境光照的影响,同一地区不同时相的遥感影像存在色调不一致的问题,加之现实中获取的大范围遥感影像多是由不同类型卫星采集的多幅影像镶嵌拼接而成,因卫星拍摄条件的差异,同一幅遥感影像中色彩不连续的问题也十分突出。因此,对时序遥感影像的色调进行一致化处理（匀色）后再进行地物识别,是实现遥感地物目标精准识别与动态监测的重要前提。直方图匹配是常用的匀色算法,但该算法忽略地物空间结构信息,匀色效果与地物真实光谱相差较大,地物识别效果往往不佳;另一种做法是对具有不同色调的区域分别进行地物识别处理,该做法训练得到地物识别模型不具有通用性,极大地增加了人力和时间成本。软颜色分割是指对图像进行颜色分层使得每个颜色层中地物的色调相同,由此可将不同色调的地物分离,实现颜色的改变。本文将软颜色分割模型引入到遥感影像匀色处理中,主要工作是:（1）针对软颜色分割需要预先获得图像颜色聚类信息,将色调的自动提取融入到软颜色分割模型,建立了遥感影像的颜色提取和颜色分解的联合训练模型。对分解获取的颜色层,给出了地物匹配方法,实现了不同影像中相同地物颜色的一致化。使用Places365-Stand数据集训练模型,将模型应用于两个公开的遥感数据集的影像匀色处理,分别是2012年和2016年新西兰基督城的高空间分辨率的航空遥感数据集（同一地区不同时相的具有色调差异的遥感影像,空间分辨率0.2m）,以及东亚地区高空间分辨率卫星遥感数据集（由6颗卫星遥感影像拼接而成,空间分辨率0.45m）。结果表明相比于直方图匹配,使用所提算法进行匀色后,地物识别的准确率、平均交并比均等指标有了提升,验证了所提算法的有效性。（2）将所提匀色算法应用于围填海动态监测,实现了对天津市滨海新区2016年和2020年高分辨卫星遥感影像的匀色处理。在此基础上,针对高空间分辨率遥感影像数据集地物特征复杂导致神经网络难以训练且分类精度不高的问题,提出了基于MCFCN的高分辨率遥感影像围填海检测框架。使用具有多级约束损失函数的UNet结构网络对遥感影像进行语义分割提取地物信息,然后引入全连接条件随机场等后处理方法对结果进行优化。实验表明围填海地物分割整体准确率、F1-score、Kappa系数以及m Io U分别达到96.73%、92.87%、90.28%、86.82%。在此基础上,分析提取了该围填海区域2016-2020年土地利用动态变化特征,为围填海集约使用管理提供了有效技术支撑。