随着我国卫星遥感产业与高分对地观测系统的不断发展,针对高分图像智能化分析与处理技术的应用需求愈来愈多,其中图像语义分割成为一个被关注的技术热点。高分卫星遥感图像语义分割相关的研究很多,传统方法都是基于阈值像素分割和机器学习的浅层手工设计特征。这类算法不能有效地分析分割对象的特性,而且传统语义方法准确度低且运行消耗大。为了解决高分辨率高分2号图像多尺度对象的语义分割问题,本文提出了一种基于Deeplabv3的高分2号遥感图像的语义分割多尺度方法。围绕如何提升高分2号遥感图像语义分割效果,对Deeplabv3网络进行改进,实现高分2号遥感图像的语义分割。本文以湖南地区的高分2号为主要研究对象,对原始图像进行预处理和数据集制作再将数据集进行增强与扩充。在我们的数据集中,本文方法的分割精度达到了 89.4%,得到了比Deeplab更好的分割效果。并且完成了以下工作:1)利用ENVI对获得的原始高分2号卫星图像进行预处理。我们需要对图像中不同类别的地表进行逐像素的标注,使用matlab作为数据集制作工具,再对训练图像进行随机窗口采样后数据增强,随机地进行图像变换操作,这样得到了众多扩充遥感图像块和真值标注图像块的数据集。2)为了提高Deeplab网络对高分2号遥感图像的语义分割准确率,根据原始数据特点进行网络参数的修改;首先将残差网络以全卷积网络形式进行修改,实现端到端语义分割;其次引入改进的空间空洞金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)结构,在上采样过程中增强图像细节特征的提取,从而增强了网络对图像多尺度信息的特征提取能力,提高高分辨率遥感图像地表要素提取的精度。基于高分2号实测图像的实验结果表明了此网络模型的有效性。3)针对高分2号遥感图像中城市环境要素提取问题,引入了编码解码结构来优化图像精细化语义分割的效果。本文依据高分卫星遥感图像城市环境要素提取难点对第三章模型进行了调整,引入了编码解码结构来优化城市环境要素提取,实验证明基于ASPP的编码解码结构可以有效地对图像边缘信息更加精细的提取,相比原有语义分割网络模型本文方法能有效地提高分割精度。