三峡库区水体提取是库区水资源管理的一个重要组成部分,在库区水利规划、水运路线规划、洪灾监测等方面具有十分重要的意义。随着遥感传感器的迅速发展,利用遥感影像提取水体信息已经成为水资源调查监测的重要方法和手段。从三峡库区的遥感影像中快速、准确、完整、自动地提取水体对库区的经济、规划和发展有着不可替代的作用。近年来,随着卷积神经网络的迅速崛起,将卷积神经网络算法与遥感影像相结合提取水体的方法逐渐成为一种新方向。该方法先用深度学习算法训练模型,使网络自动的从样本中学习特征,再用生成的模型分割提取水体,使其在大范围的复杂场景中有更强的鲁棒性和泛化性。本文基于卷积神经网络的相关算法和模型,深入研究了三峡库区遥感影像水体自动提取的方法,主要工作如下:（1）基于遥感影像构建了三峡库区水体样本数据集。三峡库区的哨兵二号卫星影像经过预处理后,进行标准假彩色变换,将标准假彩色影像通过人工标注的方式构建了三峡库区水体样本数据集,用于实现本文不同提取模型的训练和验证。（2）基于空洞卷积和全连接条件随机场（CRF）对SegNet网络进行了改进。首先利用空洞卷积在不减少特征图分辨率的前提下扩大感受野的特性,在SegNet编码器和解码器之间加入空洞卷积块,将全局信息与局部信息像融合。其次利用全连接条件随机场进行后处理,使提取结果更精细。实验表明,本文经过结构改进的网络SegNet＿CRF模型对库区水体提取的精度比原始网络高,Precision、Recall、F1-score分别为92.68%、90.22%和91.43%,三个指标分别提高了4.29%、2.46%、3.36%。（3）开发了三峡库区遥感影像水体提取原型系统。应用Python语言、QT Designer开发平台与Py Qt5库进行了原型系统搭建,将本文训练好的模型封装起来,使用户在实际生产中更简便快捷,该系统可实现库区遥感影像水体自动提取的功能。