利用高分辨率遥感影像获取地表信息因其经济高效而受到广泛关注,成为遥感影像信息提取的研究热点。道路地图是一种重要的地理信息资源,其准确性与现势性不仅直接影响空间决策的有效性,对提高影像配准、信息融合与变化检测的精度也具有重要意义。现有文献中针对高分辨率遥感影像道路提取问题提出的方法与已实现的相关算法在适用范围、准确性和实用性等方面存在一定的局限性。本文通过对该问题所涉及的道路基元粗提取、道路基元精提取、路网连接、路口识别、中心线提取等关键技术进行深入研究,探索道路目标识别与提取的新方法和新途径,具体研究内容与成果如下:(1)研究了高分辨率遥感影像的主要特征,设计了一种基于多核学习与多特征融合的道路基元粗提取方法。该方法采用多核学习优化不同特征的权值,实现影像光谱、纹理和方向信息的有效融合,大幅提高了道路基元识别的精度。(2)归纳并研究了道路的形状特征和几何特征,设计了一种道路基元精提取方法。该方法依据道路形状的狭长性、地物的致密度以及地物面积等特征构建道路形状指数进行形状特征滤波,自动滤除非道路噪声的干扰;利用一系列形态学操作解决部分路段存在孔洞、像素间连接松散、结构不完整等问题,平滑和修复道路的结构与形态。(3)结合先验知识以及道路的拓扑特征,提出一种基于知识的道路基元连接算法。该算法通过构建基元连接判罚因子和判罚函数建立道路全局连接模型,实现道路网的拓扑连通。(4)研究并总结了路口的类型和特征,提出一种结合全局探测和局部检测的路口自动识别方法。该方法先在道路骨架整体约束条件下全局获取路口候选点,再通过本文提出的分块矩形旋转模型局部检测影像中的路口。实验结果表明本文提出的方法可大幅提高路口识别的准确性。(5)针对常用中心线提取方法易产生“毛刺”和“偏离”的缺陷,提出一种基于线性结构增强与多元回归的道路中心线提取方法。首先设计了一组多尺度多项式滤波器并与道路二值骨架进行卷积,获得具有线性结构的像素集合,实现对不规则形状的道路骨架规整;在此基础上,把道路中心线提取问题转换为回归问题,利用多元自适应样条回归法提取道路中心线。实验结果表明本文提出的方法能够有效地从不规则的道路骨架中提取平滑准确的中心线。