为充分利用遥感图像的场景信息，提高场景分类的正确率，提出一种基于空间特征重标定网络的场景分类方法。采用多尺度全向髙斯导数滤波器获取遥感图像的空间特征，通过引入可分离卷积与附加动量法构建特征重标定网络，利用全连接层形成的瓶颈结构学习特征通道间的相关性，对多尺度空间特征进行权重筛选以实现特征重标定，并结合卷积神经网络训练得到最终的分类结果。实验结果表明，该方法在UCM_Landuse与机载SAR图像数据上的分类正确率分别达到94.76%和95.38%，与MNCC、MS-DCNN、PCA-CNN等算法相比，其遥感图像分类精度与泛化能力显著提升。