当前,由于地球上地貌特征、气候变化等环境因素,地表水已成为最重要的地球资源之一,对于地表水的勘测问题,在很多不同领域中都是一个很重要的研究课题,例如湖滨沿海区域管理、海岸线变化、洪灾预测和水资源评估等。近年来,利用遥感数据的波谱特征从高分辨率图像中提取水体表面得到了广泛的应用。遥感技术具有检测距离短、检测范围广的优点,可以快速、反复、精确地获取水体信息,监测地表水资源。目前利用高分辨率遥感图像进行水体识别的研究并不多,大多都是采用光学遥感,或者是较为浅层的模型的方法,不能充分利用遥感图像的空间信息和光谱信息,在水体识别的准确率上都难以达到较高的水平。基于上述挑战,论文针对于高分二号卫星的多光谱遥感图像数据,提出了一种较为深层的模型,给出了基于卷积神经网络的高分辨率遥感图像的水体识别方案。实验结果表明,本文提出的九层卷积神经网络的模型能充分利用遥感图像的空间信息和光谱信息,并在水体识别上表现出了良好的效果。本文首先介绍遥感图像预处理的原理和方法,进而给出了遥感图像水体识别的具体流程,提出了卷积神经网络的模型结构,该模型共有九层,包括三个卷积层和三个池化层,同时对比了其他基于支持向量机、BP神经网络、归一化水体指数等方法的遥感图像的水体识别的方法,并在不同模型层数、不同数据样本数量、不同数据波段、不同数据区域上进行了对照实验,实验结果都表明了卷积神经网络在高分辨率遥感图像的水体识别上的有效性和可靠性,其水体识别的准确率在杭州西湖及部分钱塘江区域、青海湖区域、太湖区域等不同区域的数据集上都表现出98%以上的准确率,高于目前现有论文的研究结果。