海岸线变化监测对海岸带的科学管理和保护具有重要意义。随着高分辨率遥感图像的快速积累,自动提取高分辨率遥感图像中的水边线（海陆分割线）是实现海岸线变化监测的重要手段。但高分辨遥感图像中地物细节复杂,陆地上临近封闭内水区域的边界极易被误识别为海陆分割线;另一方面,由于水边线本身类型多样（包括人工、砂质、淤泥质等）且易受附近地物遮挡,提取的水边线极易存在断点不连续的情况,因此,研究基于高分辨率遥感图像的高精度水边线提取方法具有重要价值。本文针对遥感图像提取水边线问题,开展了以下三个方面的工作和研究:（1）针对高分辨率遥感图像地物细节复杂,陆地上临近封闭内水区域的边界极易被误识别为水边线的问题,构建了基于协同特征提取的残差海陆语义分割网络（Co-ResNet）,该网络由编码器、协同特征提取模块和解码器构成。编码器采用ResNet-50为骨干网络,用来对输入的遥感图像进行浅层和深层次特征提取、产生有语义信息的特征图。在提取的特征图的基础上,使用基于分组卷积的协同特征提取模块（Collaborative Feature Extraction Module,CFEM）对融合特征图的局部和全局特征进行提取,从而提高特征提取的精度并减少参数量。实验采用4期天津沿海地区人工海岸线和1期威海地区基岩海岸线影像数据对该方法进行验证,并使用青岛市黄岛区的沙质和崂山区的基岩海岸线对方法进行泛化性能实验。结果表明,CFEM模块可以有效解决了传统网络分割结果存在的误分割问题,且分割精度较高、具有良好的泛化性能。（2）针对高分辨遥感图像水边线提取极易存在断点不连续的问题,在Co-ResNet模型的基础上,设计了基于空间注意力机制模块（Attention Module,AM）的海岸线语义分割网络Am-ResNet。AM模块可以通过增强有用的低级特征信息,来消除噪声以避免过度分割。实验采用与Co-ResNet相同的遥感影像对方法进行验证,结果表明,AM模块可以有效捕捉像素之间重要的空间关系,且海陆分割结果的边缘更加连续,有效提升了方法的整体水边线分割精度。（3）以天津市沿海区域的历史遥感影像为数据源,使用Am-ResNet对该区域近十年海岸线进行提取并对其变化趋势进行了分析,实验结果表明,该区域海岸线总体长度14年来共增加172.52 km,平均增速约为12.32 km/a。且该区域岸线平均变化终点速率和线性回归变化率分别为25.96 m/yr、27.49 m/yr,一直保持较高的变化速率,海岸线以向海扩张为主导,整体呈向海延伸的趋势。