从可见光遥感图像中提取道路和水体等地物信息对城市基础数据更新、水资源监测、智能交通建设等具有重大意义。但是,基于深度学习模型的低成本、快速准确地从可见光遥感图像中提取道路和水体信息,并通过后处理算法制作出矢量化水体和道路图层的应用软件还不成熟。为此,本文研究了城市道路信息和水体信息提取的方法并开发了处理软件,为数字城市计算提供数据支持。本文主要工作如下:(1)本文基于类U-Net架构实现对可见光遥感图像中水体轮廓的智能识别。在水体识别模型设计中,考虑到图像空间位置信息对识别效果的重要性,引入了空间-通道注意力机制来加强对空间位置信息的特征表达,并通过超列模块充分利用编码器部分各个阶段的特征。研究了如何设计合适的损失函数来克服前景和后景数据分布不平衡的问题,并利用条件随机场(Conditional Random Field,CRF)的处理算法改善水体提取结果。受到遥感图像处理尺寸的限制,水体轮廓存在大量被边界割裂的碎片轮廓,本文研究了对轮廓碎片大规模自动拼接的有效算法。(2)相对于水体图像,道路图像的尺寸更大,在水体识别模型的基础上,通过引入级联扩张卷积模块(Cascade Dilated Convolution Blcok,CDCB)有效提升道路轮廓的识别性能。研究了后处理阶段的算法并开发了相关模块,依次实现对识别结果中空洞的填充,孤立像素团的消除,道路骨架的抽取,骨架矢量化及平滑,残差道路剔除和大规模断裂道路的自动修复,确保了软件的实际应用价值。(3)在实际应用中,由于遥感图像尺寸较大,水体及道路分割模型处理遥感图像所需计算量和参数量都很大。为了降低资源耗用,研究了针对分割模型的压缩加速方法,提出了改进的深度分离卷积模块,在识别性能几乎不降低的情况下,有效降低分割模型计算量大约4倍以上,参数量大约20倍以上,有利于实际环境下的部署和应用。最后,本文设计并实现了可见光遥感图像水体和道路信息提取软件,该软件对水体及道路识别快速准确。本文利用中国某南方城市地区可见光遥感图像数据验证了上述工作的有效性。