随着我国经济的发展，城市道路交通的建设成为了重中之重，而汽车保有量的增加成为了阻碍城市经济发展、道路交通发展的重要因素之一。如何对城市路网进行改革，从而保障城市交通的安全、高效运行，已经逐渐成为了研究讨论的热点。因此，相关部门需要采用一种覆盖范围广、准确率高、实用效果强的交通信息采集手段，从而获取更加准确而全面的信息对相关区域的车流量进行分析，以解决城市交通的发展问题。本文针对上述问题，开展了有关高分辨率遥感影像的车辆信息提取技术的算法研究。通过对高分辨率遥感影像中车辆目标的特征分析，建立车辆目标样本以及非车辆样本，并形成样本库。在原始图像的基础上，进行图像的预处理，并用提取出的SURF特征训练支持向量机学习。并根据测试样本的分类效果，完善支持向量机的参数设置，达到最优分类效果。在全图搜索中，提出半搜索策略滑动窗口法，设定分类器阈值，提高目标搜索精度以及减少计算量。同时，为优化算法，提出增添道路掩膜文件，使数据更具有可靠性。利用高分辨率遥感影像提取城市道路内的车辆信息，不但提高了我国交通运输行业的信息化程度、完善了道路网分析信息源，同时是为我国智能交通的发展提供了重要的决策信息，推动了我国交通运输业进入了一个新的层次。