复杂环境下高分辨率遥感影像的水体提取存在精度不足和边界模糊问题，制约水资源监测应用。以河流、湖泊、水库等复杂场景水体为研究对象，提出新型语义分割网络WaterSegNet(WSNet)。WSNet由两个跨层特征融合(CFF)模型、三个全局注意力机制(GAM)模块和一个空间金字塔池化(ASPP)模块构成，并采用辅助分类头进行损失值计算。在包含细小、分叉、浑浊、结冰及人工水体等复杂场景的2 000组高分/资源系列影像数据集(分辨率2 m)上验证，WSNet的平均交并比达98.06%

准确率达99.01%。消融试验表明，CFF、GAM、ASPP模块对性能提升均有显著贡献；对比试验显示WSNet在平均交并比和准确率指标上分别优于DeepLabV3+、SETR、SegNext等主流方法0.30%～0.37%、0.12%～0.22%

尤其在精细轮廓还原和不连续水体提取方面优势明显。