随着遥感对地观测技术的快速发展,基于高分辨率遥感影像的道路提取方法得到了越来越多学者的关注。然而目前的道路提取方法受限于遥感影像本身的阴影以及地物遮挡等因素的影响,难以取得满意的结果;同时,高精度三维地图中的道路模型的创建也缺少自动和高效的三维道路提取方法。鉴于此,本文从影像分割、道路特征增强、种子点连接、点云滤波和高程内插等方面对基于高分辨率遥感影像的道路提取全过程进行了系统研究。为更准确地描述道路的空间结构特征,提出了新的道路形状指数,同时为解决高分辨率遥感影像道路光谱的异质性问题,提出了针对道路阴影遮挡问题和道路材料变化问题的解决方案。最后,提出了一种顾及多尺度空-谱特征的道路面提取方法,并将其应用于融合多源遥感数据的三维道路提取方法中。本研究将丰富高分辨率遥感影像道路提取方法的选择。具体研究工作主要包括:（1）高分辨率遥感影像具有地表信息丰富的优点,但同时也更容易受阴影和遮挡等因素影响,导致道路提取结果的不确定性大大增强。为了解决该问题,本文提出了一种基于边缘约束的多特征加权融合模型对道路的光谱特征进行增强。首先,在保持边缘平滑的前提下,采用引导图像滤波来抑制非道路像素的影响;然后使用基于边缘约束的多特征加权融合模型,对遥感影像中的每个像素属于道路的概率进行估计;最后使用快速行进算法追踪道路种子点得到道路中心线提取结果。实验结果表明,提出的方法可以明显改善道路阴影遮挡的影响,解决了阴影遮挡区域道路提取失败的问题。（2）在高分辨率遥感影像中,道路阻塞或材料变化会导致道路提取的失败。为了解决该问题,本文提出了一种基于颜色空间变换的道路光谱特征增强方法用于道路材料变化区域的道路提取。首先,将测试图像由RGB颜色空间转换为HSV颜色空间,以减小材料变化的影响;然后应用快速行进算法连接用户提供的道路种子点得到初始道路结果;最后,利用核密度估计方法对初始结果进行调整,得到最终的道路提取结果。实验表明,提出的方法解决了道路材料变化导致的道路提取失败的问题。（3）分析道路在高分辨率遥感影像中的光谱特征和空间结构特征,在多尺度分割的基础上,基于地理学第一定律提出了一种以分割图斑为中心的自动区域扩展算法,计算扩展区域的形状指数作为中心图斑的形状指数。由于经过多尺度分割后的图斑的形状是不规则的,考虑到道路在特定方向上具有空间延伸的特性,因此本文提出的扩展道路形状指数特征是对不规则图斑的一种形状描述。实验结果表明,将该特征和道路的光谱特征结合提高了高分辨率遥感影像道路提取的准确性。（4）基于高分辨率遥感影像中道路特征尺度多元化特点,研究了顾及空间特征和光谱特征多尺度协同表示的道路概率估计方法,并使用图割法得到道路面提取结果;为了获得高精度的三维道路数据,将机载Li DAR数据和基于高分辨率遥感影像提取得到的道路面数据结合进行三维道路提取,在道路的自动分层、点云滤波和道路高程内插三个阶段分别设计了新的数据处理算法以完成三维道路的提取。同时设计了新的质量评价因子对提取得到的三维道路数据进行质量评价。实验结果表明,根据所提出的方法创建的三维道路数据的精度满足高精地图的道路模型的需求。