卫星遥感影像具有获取信息周期短、花费少、信息量丰富等优势,能够快速地获取地球表面信息。近年来,IKONOS、Quick Bird、Spot-5等高分辨率遥感卫星的相继发射,为我们提供了更多、内容更丰富的卫星遥感影像数据。但是,传统的人工判读和识别方法,在信息获取效率和判别精度上都无法保证,这很大程度上限制了这些资源的使用。因此,如何利用图像分析技术对遥感影像目标进行快速、准确的识别和理解,成为当前遥感信息处理发展的一个重要方向。由于道路具有显著的地理特征和几何特征,其不仅是一种重要的基础地理信息,还可以作为提取其它地物目标的线索和参考,因此,道路信息提取一直是遥感影像应用的一个重点研究课题。针对高分辨率遥感影像中道路的特点,本文在充分了解和学习现有道路提取方法的基础上,结合区域生长和活动轮廓模型理论提出了新的道路提取算法,并利用这些方法完成了道路提取工作。本文主要研究成果如下：(1)在分析现有活动轮廓模型初始轮廓设置方法的基础上,提出两种新的道路初始位置提取算法：自适应区域生长算法和基于主成分分析(Principal Component Analysis, PCA)的彩色区域生长算法。前者基于待分割目标的灰度特征分布,能在生长过程中自适应地改变生长准则参数,实验结果初步显示,该方法较传统阈值区域生长算法有较好的学习和适应能力,且人工干预较少,一般一个种子点即可；后者为了在充分利用图像颜色信息的同时,减少算法的计算时间,将PCA算法应用于目标颜色特征提取,并利用区间估计方法设计出相应的生长准则,初步实验结果表明,该算法能在人工干预较少的情况下,充分利用目标的颜色特征有效地完成对目标的预分割,且具有较高的时间效率。(2)将自适应区域牛长算法与GVF-Snake模型相结合,提出一种新的半自动道路提取方法,并将其应用于高分辨率遥感影像道路提取。该方法首先用自适应区域生长算法提取出大致的道路区域；然后对生长出的道路图进行数学形态学“闭”运算操作,以消除内部斑点,并进一步利用一个轮廓跟踪算子得到有序的道路轮廓线,最后以该轮廓线作为GVF-Snake模型的初始轮廓,利用GVF-Snake模型进行道路跟踪,得到最终的道路提取结果。实验结果表明该方法在人工干预较少的情况,能较准确、完整地提取出遥感影像中的道路目标,具有一定的实用性和鲁棒性。(3)提出一种基于彩色区域生长和水平集的遥感影像道路提取算法。该方法首先利用基于PCA的彩色区域生长算法对道路进行预分割,并对生长出的道路图进行数学形态学运算消除内部斑点；然后利用预分割的结果构造初始水平集函数,进一步采用一种消除重新初始化操作的变分水平集方法进行道路边界演化；最后,提出了一种水平集局部边缘修正算法,并利用其对因障碍物影响而错分的局部道路边界进行修正,从而完成道路提取工作。实验结果表明该方法能完整、有效地提取出高分辨率遥感影像中的道路目标,且人工干预较少,具有较强的实用性和抗噪能力。(4)提出一种改进的变分水平集方法,并将其应用于高分辨率遥感影像道路提取。该方法通过在GACV(Geodesic-Aided C-V)模型中,引入基于PCA彩色区域生长的目标识别函数,基于Beltrami框架的彩色梯度流和一个用于表征水平集函数与符号距离函数近似程度的惩罚项,实现了对算法的改进,是一种适用于提取复杂背景下感兴趣目标的变分水平集方法。实验结果表明该模型能够有效地从高分辨率遥感影像中提取出道路,很大程度上减少了非道路目标的干扰,具有一定的实用性。