道路是交通运输的命脉,地域连接的纽带。从遥感图像中准确提取主干道路,无论对于军事侦察还是国民经济的各方面都有极其重要的现实意义。而随着遥感技术的发展,越来越多不同类型的传感器被用于目标识别领域。但来自任何一个单一传感器的信息都不可能全面反映目标的特征。因此,将空间和光谱特征信息协同利用可以提高道路识别的精准度。本文以可见光全色图像和多光谱图像为数据源,以道路目标为研究对象,主要利用了Curvelet融合的手段,对多源遥感图像中的道路提取问题做了研究和分析。本文首先在研究多尺度几何分析以及Curvelet理论的基础上,采用实例对Curvelet变换的实现过程进行了研究与分析,并从结构、统计和特征三个方面分别对Curvelet系数进行了分析。在此基础上,实现了Curvelet变换在图像融合方面的应用。并提出了一种针对多光谱图像和可见光图像的特征级融合方案。用该方法对遥感图像中的道路特征进行融合,可以使融合后图像中的道路特征更加明显,与此同时抑制非目标干扰的影响。之后利用一种改进的相位编组法对融合后图像中的道路进行提取。完成了整个对道路目标“融合——提取”的过程。本文的创新点有二:首先,提出了一种基于光谱相似度矩阵的特征级融合方法。该方法可以针对选定的地物目标进行特征选择,使其在融合结果中特征更加明显,并且抑制非目标的干扰,有利于之后的目标提取;其次,对融合后的图像,提出了一种基于改进的相位编组法的道路提取方法。该方法通过对道路基元进行“检测——组织——描述——连接”四个步骤完成了对融合图像的道路提取过程。