遥感图像场景分类是遥感图像分析、处理、应用的基本问题,是揭示客观世界地理对象空间分布特征、规律的重要手段。航空航天技术的发展显著提高了遥感影像分辨率,为开展城市场景分类研究提供了重要的数据源。传统的场景分类多依靠遥感影像的底层特征,由人工设计特征,耗费人力物力,效果仍然不尽人意。深度学习技术的发展及应用能够显著提高场景分类精度,但是在复杂场景、多目标样本不平衡情况下,基于深度学习的场景分类仍然面临许多挑战。针对高分辨率遥感影像场景分类中面临的难题,本文开展了融合AOI（Area of Interest）语义信息的遥感影像场景分类方法,首先基于基线U-Net提出优化的NC-Net（N-type Global Context Net）模型,从模型层面与其他基线模型对比,有效提高场景分类精度。之后利用AOI的社会、地理属性将语义信息融合到影像场景分类中,解决单一影像场景分类信息不足问题,赋予影像社会语义信息,在模型后处理阶段提升场景分类精度,使得场景分类图能更有效地运用于实际的城市环境研究。本文的主要工作可以归纳为以下三点:（1）总结遥感影像场景分类的基本方法。介绍基于底层特征的方法、基于中层特征的方法、基于高层特征的方法和基于语义内容的方法,重点阐述了高层特征也就是深度学习神经网络的方法。（2）空间全局上下文信息网络。提出了基于U-Net的优化网络NC-Net。U-Net本身结构较为单一,场景分类精度缺失,针对特定问题提出了多尺度输出融合再采样阶段,优化了U-Net的损失函数,提出多尺度损失函数级联,让网络更充分学习特征,获取上下文信息,在模型层面有效提升了场景分类精度。（3）融合AOI语义信息方法。该方法在模型后处理阶段,基于NC-Net的场景分类图,利用AOI附带的社会、地理属性信息,采用加权融合方法,整合多方语义信息获得最终场景分类图。使得场景分类类别与城市规划现实需求统一,采用一致性分类标准将AOI和影像划分类别映射到定义的场景分类标准中。最终分类图具备较好的可扩展性,能够应用到不同城市的场景分类研究。