随着越来越多的高分辨率遥感卫星的发射,我们可以获得越来越多的高分辨率遥感影像,那么,如何从这些海量影像数据中准确高效地提取所需要的信息并对其加以利用,则成为必须解决的重大问题。在过去的几十年中,道路作为重要的目标得到了广泛的关注和研究。道路不仅在城市规划与建设、旅游导航、交通管理、变化检测和自然灾害分析等领域具有广泛的应用需求,而且也被作为大多数地图和地理信息系统的重要组件,为国家安全建设和制定作战计划等提供有效的帮助。近些年来,虽然高分辨率遥感图像道路提取的研究取得了一定的进展,但是其性能仍然无法达到应用需求,其主要影响因素包括以下三个方面:(1)同谱异物性,随着遥感影像分辨率的不断提高,出现了道路和一些停车场以及建筑物等具有相似的光谱值的情况;(2)同物异谱性,不同地区的道路材质可能不同,且不同等级的道路的材质也可能有所不同;(3)复杂性和遮挡性,背景越来越复杂,道路两旁的树木和建筑物造成的阴影以及路面上的车辆等带来的遮挡。这些问题均会对高分辨率遥感图像道路提取带来巨大的挑战,因此本文致力于研究一系列道路提取方法来尽量克服以上的种种困难,本文的主要贡献如下:1.在研究方向分割的基础上,针对其不足我们提出了一种基于改进的方向分割和道路概率的高分辨率遥感图像道路中心线提取算法,在该算法中,首先通过基于shear变换的方向分割来提取粗略的道路区域,然后利用样本之间的马氏距离、阈值化处理和信息融合来得到可靠的道路区域,紧接着利用形状特征过滤和孔洞填充来获得准确的道路区域,之后利用基于快速行进的方法来提取道路中心线,最后进行后处理得到比较完整的道路网。实验方法表明,该算法能够提取出比较光滑准确的道路中心线。2.为了建立一种有效的方法来准确地提取道路中心线,我们提出一种基于shear变换和改进的断线连接的高分辨率遥感图像道路中心线提取算法,类似地,在该算法中引入shear变换,但是我们直接将光谱信息加入到方向分割中,从而实现光谱空间信息分类。为了得到更加准确的道路区域,利用多方向形态学滤波剔除与道路粘连的非道路目标。为了获得完整的道路中心线,提出一种通过构造度量函数和引进光谱相似性的改进的断线连接方法。本算法主要包括四个步骤:首先利用基于shear变换和光谱信息的方向分割得到初始的粗略的道路图;然后进行孔洞填充并通过多方向形态学滤波剔除一些非道路区域;紧接着采用张量投票和多元自适应样条回归提取光滑的道路中心线,最后通过我们提出的改进的断线连接方法来得到完整的道路网。我们分别在高分辨率航拍图像和卫星图像上验证了该算法的有效性。3.为了保证基于水平集演化分割的道路提取方法的准确性和高效性,同时实现算法的自动化,我们深入研究了卷积神经网络和张量投票,利用它们提取出道路的交叉口并将其作为初始演化曲线,进一步利用基于区域的水平集演化分割实现道路的自动提取。在这个工作中发现基于卷积神经网络提取的道路区域并不能精确地定位到道路的真实边缘,针对这个问题,引入边缘保持滤波来进行局部优化,从而提出了基于卷积神经网络与边缘保持滤波的多尺度道路中心线提取算法。该算法无论是在道路提取的准确率方面还是信息完整性和连续性上都具有出色的表现,通过实验证明了其要优于现有的几种算法,同时实验也证实了算法对于复杂背景也有一定的鲁棒性。4.针对遥感图像中带标签样本数量有限的问题,重点研究了基于半监督的分类方法,尤其是基于集成投影的图像分类方法,然而它存在一些不足之处,为此,我们提出了一种基于高层特征选择、马尔可夫随机场与岭横向方法的高分辨率遥感图像道路中心线提取算法。其中:引入多特征自适应稀疏表示代替特征串接,从而实现低层特征、中层特征到高层特征的选择,利用得到的高层特征进行分类得到道路的估计概率,紧接着将马尔可夫随机场用于描述相邻像素之间的信息,得到优化后的道路区域。采用Gabor滤波器、非极大值抑制和岭横向方法来提取道路中心线,可以获得准确且完整的道路中心线。在视觉效果和数值结果两方面验证了所提方法的有效性。