针对目前深度卷积网络在遥感图像上存在小目标漏分,被遮挡目标无法提取,细节缺失等问题,在深度卷积编码-解码网络的基础上提出一种基于多级通道注意力的遥感图像分割方法。该方法首先在网络编码阶段加入通道注意力机制,通过自我学习的方式获取更为有效的特征,解决遥感图像的目标遮挡问题;其次,在不同尺度上施加了通道注意力的特征图融合,使网络提取丰富的上下文信息,应对目标尺度变化,改善小目标难分割的问题,提升分割性能。本文对Massachusetts Roads Datasets和Inria Aerial Image Labeling Datasets进行实验并与相关文献比较,结果表明所提模型具有更高的目标分割准确性,对小目标与被遮挡目标取得了更好的分割结果。在训练数据有限,背景复杂多样,尺度变化较大的遥感图像目标分割中取得了较好的结果,表明模型可应用于复杂的遥感图像目标分割。