近年,遥感及其图像处理技术得到飞速发展。随着遥感图像分辨率不断提高,针对道路提取也取得了许多研究成果。道路材质(如沥青路、水泥路和土路等)作为道路属性的一个重要参数,其信息提取的迫切需求和重要性也愈发突出。高分辨率遥感图像中道路材质信息具有多样性、复杂性和不确定性等特点,譬如,低级乡村道路材质的不规则变化、道路区域被树木或建筑物遮挡等,对道路材质信息的精确提取增加了干扰和难度。本文针对上述问题,以高分辨率遥感图像为数据源,提取道路材质多源特征,利用支持向量机(SVM)强大的非线性统计和分类能力,实现了多源特征融合的道路材质信息提取。主要研究内容和成果如下:(1)高分辨率遥感图像预处理。通过正射校正、辐射校正和几何校正得到实验区域数据。通过人工标记的方法获取道路的路面信息并筛选合适的样本和测试样本。在道路提取的基础上,利用弧段分割方法对道路进行二次信息提取。(2)道路材质多源特征信息提取算法。利用道路二次信息提取,改进了局部HSV颜色特征提取算法,提取道路材质的颜色信息的同时,尽量避免周边地物的影响;改进旋转不变LBP算子,将3×3区域取均值作为新阈值,并将旋转后的LBP值取均值作为最终的LBP值,提取道路材质的纹理特征,提高了算子的抗噪性。(3)基于多源特征的道路材质信息提取。对多源特征数据进行降维和归一化处理,保留贡献度超过90%的部分,添加GLCM特征补充损失信息,然后通过融合策略进行融合,得到两两融合特征和三者融合特征。构建网格搜索SVM模型和遗传算法SVM模型。利用交叉验证选出最佳模型为遗传算法SVM模型,最佳特征融合方法为三种特征融合的组合方式,实现了道路材质的提取。针对弧段二次分割产生的较短弧段问题,提出了基于对象的道路连通性的优化算法和基于弧段的道路连通性的优化算法:1、通过连接与较短弧段相连的弧段组成新的弧段进行多源特征提取和材质识别;2、利用统计方法,将新弧段中投票最高的材质种类设置为新弧段材质。两种方法都能在一定程度上改善了短弧段道路的错误识别的问题,优化了道路连通特性,提高了道路材质的识别正确率。(4)软件模块设计与实现。设计了遥感图像道路材质信息提取功能模块,该模块包含了道路细化弧段信息二次提取、特征提取和融合的算法,简单快捷的实现遥感图像的道路材质信息提取。