丁 成，翁理国，，夏 旻，崔逸尘，钱俊豪，刘 佳

1.南京信息工程大学 江苏省大数据分析技术重点实验室，南京210044

2.南京信息工程大学 江苏省大气环境与装备技术协同创新中心，南京210044

湖泊蕴藏着丰富的自然资源，并且是可更新资源[1]，合理的开发可以给人们带来丰富的资源。近些年湖泊面积缩小的问题比较突兀，对湖泊资源监测，以保护湖泊资源的完整。将遥感影像技术应用在湖泊分割中，可以实现高精度的湖泊资源监测。

在卫星图像的分割领域中，湖泊分割已经有了相应的研究，大致可以分为两大类：传统方法和深度学习方法。

传统方法通常是指水体指数阈值分割，王碧晴等[2]提出了一种基于归一化水体指数和图像分割技术相结合的高原湖泊提取方法，充分利用了图像的光谱信息和空间结构信息，弥补了单一的水体指数方法产生的错分、漏分、细碎对象较多等现象；Guo 等[3]提出了一种新的加权归一化差分水体指数，应用于湖泊的提取，可以从TM图像中提取高精度水体；Elsahabi等[4]探索了一种AHDL 水面提取技术，将不同水体进行分类，实现了不同水面提取技术。传统方法能够有效地提取出水体表面信息，但是在高背景复杂度情况下，提取到的水体会存在噪点和误分的问题。

深度学习分割方法是由Long等[5]提出全卷积（FCN）分割网络兴起的，实现了像素级别的分割。U-Net是由Ronneberger等[6]提出的一种继承于FCN的改进方法，是比FCN更精确的语义分割网络。Zhang等[7]将深度学习应用在遥感图像分割中，采用卷积网络提取遥感图像的光谱和纹理特征，深层卷积网络能够提取到遥感图像更多的特征；……