城市空间规划对我国生态文明建设和可持续发展具有重要意义。目前空间规划工作主要依据对多波段影像的人工判读和半自动化分析,受影像分辨率限制,分析结果精度不够,无法满足现阶段规划工作的需求。为提高遥感影像地类解译的精度,逐步实现全自动化分析,应规划单位需求,本课题设计了一个基于深度学习图像语义分割技术的城市遥感影像统计分析系统,该系统的设计与实现工作展开如下。首先,实现对规划单位所提供原始遥感影像地理信息的提取和统一,并基于虚拟图的思想对影像进行地图切片,为后续的各项工作提供基础数据和坐标信息。然后,根据课题目标对研究对象进行粗分类和细分类,并基于实际需求对Unet网络模型结构进行改进,依据数据平衡性的要求选取并标注训练数据,利用训练好的模型实现对瓦片数据中建设用地、生态用地和耕地的图像语义分割,分割结果为后续面积和指数的计算提供数据支持。最后,基于分割结果和相关计算公式实现算法对武汉市进行规模分析、形态分析和矢量化,并将计算结果可视化,形象展示武汉市近些年城市空间和土地利用格局的变化情况。论文完成了对该系统各项功能和运行性能的全面测试。测试结果表明该系统各模块均能正常工作,地理信息与瓦片位置准确,语义分割模型的均像素精度MPA和均交并比MIOU分别在89%和71%以上,各项计算、可视化和分析结果均符合预期。