图像分割是遥感解译的重要基础环节，高分辨率遥感图像中包含复杂的地物目标信息，传统分割方法应用受到极大限制，以深度卷积神经网络为代表的分割方法在诸多领域取得了突破进展。针对高分辨遥感图像分割问题，提出一种基于U-Net改进的深度卷积神经网络，实现了端到端的像素级语义分割。对原始数据集做了扩充，对每一类地物目标训练一个二分类模型，随后将各预测子图组合生成最终语义分割图像。采用了集成学习策略来提高分割精度，在“CCF卫星影像的AI分类与识别竞赛”数据集上取得了94%的训练准确率和90%的测试准确率。实验结果表明，该网络在拥有较高分割准确率的同时还具有良好的泛化能力，能够用于实际工程。