资源三号测绘卫星获取到的数据在进行传感器校正产品的生产之前,需要剔除云量覆盖过大的影像,以减轻生产负担,提高生产效率。针对于资三卫星影像波段较少,光谱范围受限的问题,本文提出了基于改进的深度学习全卷积神经网络的资三遥感影像云检测方法。首先,通过专业的目视解释法制备大量云区检测训练样本,为防止过拟合,对实验数据集进行正则化。然后,将预训练过的深层卷积神经网络vgg16的全连接层改为全卷积层,采用反卷积方法对网络中卷积层的特征图进行上采样以获取FCN-8s的输出结果,保证输入影像与输出影像尺寸相同。为了获取更快的训练过程以及更准确的实验结果,对FCN-8s网络结构进行优化改进,并采用Adam梯度下降法加速收敛。最后,用资源三号云区影像数据集对网络进行训练及验证,将上采样后的影像特征输入sigmoid分类器进行分类。实验结果表明,基于改进的全卷积神经网络云区检测方法在检测精度和检测速度上均优于传统云区检测方法,实验准确率可达90.11%,单张影像检测速度可缩短至0.46s。