基于全卷积网络提出了一种图像分割模型以获取目标分割结果,模型包含两个结构相同的深层神经网络分支,每个分支采用卷积-反卷积的结构实现特征提取和从特征恢复目标区域;两个分支接收不同类型图像输入,将来源于两个分支的结果通过加权融合得到最终的分割结果。模型融合了不同图像源的多级尺度特征,在训练样本数有限的情况下,通过数据增强使训练得到的模型稳健性更强。在光学图像数据集Weizmann horse和遥感影像数据集Vaihigen上进行实验,并与相关文献进行比较,结果表明,所提模型具有更高的目标分割完整度和最优的分割性能,在训练数据有限、形态各异、尺度变化较大等的遥感影像建筑物提取中取得了理想的结果,表明该模型可应用于复杂的遥感影像目标分割。