目前,遥感图像逐渐呈现出高光谱分辨率、高空间分辨率、高时相分辨率等的特点。遥感影像反映出的丰富地物信息,在各个领域都是有价值的资源。现有的遥感图像分割方法大部分都采用基于深度学习的语义分割方法,但是这些方法仍存在一些不足。一方面,为解决现有算法对高分辨率遥感图像的分割效果存在目标不完整、边缘模糊等问题,本文基于目前流行的编码器-解码器结构提出了多级特征聚合网络。它主要通过多个多级特征注意力上采样模块嵌套利用高级特征为低级特征提供偏语义信息指导其定位来构造一个解码器,有效恢复高分辨率遥感图像的细节信息。另一方面,针对目前遥感图像语义分割算法由于受短程上下文信息限制,对高分辨率细节尤其是边缘信息恢复得不够彻底的问题,本文基于编码器-解码器结构提出了具有全局依赖的多级融合网络。它在编码器和解码器的中间添加一个全局依赖模块计算所有位置间的亲和力矩阵来获取重要性全局上下文信息,并在解码器中添加双路特征提炼模块来辅助上采样模块以重组最新特征。该网络进一步有效增强了模型的特征提取能力和高分辨率细节恢复的能力。实验表明,本文提出的两个算法均在高分辨率遥感图像数据集上取得了令人满意的分割性能。