当前,随着科技水平的进步与拍摄手段的更新,遥感卫星图像的数量与质量有着极大的提升,所包含信息也越来越多,如何充分利用遥感图像进行环境、农业、城市发展等方向的研究,是当前面临的主要问题。为了为遥感图像的研究提供便利,本课题对遥感图像中的实例分割进行了深入研究。首先,将主流的实例分割框架Pa Net应用到了遥感图像分割的领域,并针对Pa Net处理遥感卫星图像中的不足,提出了一套优化方法:对传统的分水岭算法进行改进,使用改进后的分水岭算法对遥感卫星图像进行预处理,缩小遥感卫星图像与普通图像间的差异性,进而提升分割效果。同时,由于遥感图像中空间分辨率极大、类内差异明显等,Pa Net对巨幅遥感图像的特征融合不充分,致使检测精度不高、分割不精确等。针对上述问题,对Pa Net网络结构进行重新设计,使得新网络结构能更好的驾驭巨幅像素的遥感卫星图像,提出了一个新的特征自适应分支,该分支监督FPN的特征融合过程,对融合后的特征进行目标大小的分类,以进一步提升特征融合时针对不同尺寸目标的针对性。通过对不同类型的遥感图像进行的实验证明,结果表明我们的方法与当前的最新分割方法相比具有很大的竞争力。