针对利用遥感影像进行城市水体提取时，其提取精度易受阴影、建筑物等因素干扰的问题，本文基于OBIA和DeepLabv3网络构建了OBIA-DeepLabv3城市水体提取方法。该方法利用面向对象多尺度分割辅助构建DeepLabv3网络样本数据集，并将光谱、纹理、形状等多种特征信息作为DeepLabv3网络的输入。本文以GF-2遥感影像为数据源，将OBIA-DeepLabv3与DT、RF、SVM、U-Net等6种方法进行对比实验，研究表明：1)DeepLabv3网络的总体精度大于U-Net网络的93.13%和PSPNet网络的92.01%,达到了最高总体精度94.09%;2)OBIA-DeepLabv3方法提取城市水体的总体精度为96.01%,比未结合面向对象的DeepLabv3方法的总体精度提高了1.92%。由此表明，基于OBIA-DeepLabv3的城市水体提取方法可以有效地避免建筑、阴影的影响，且在分类效率和分类精度方面均具有一定的优势。