道路作为一种最基本的地理信息数据,它获取方式的自动化程度、提取效率、更新速度、定位的准确度在地理信息数据的更新方面有着非常重要的意义。本文从实际应用的角度出发,以多尺度遥感影像为研究对象,使用最小二乘模板匹配法、自适应区域生长法、支持向量机及其改进算法进行道路提取研究,对提取方法进行了可行性实验,并通过定量指标评价算法的有效性。本文针对遥感影像道路提取算法研究,主要工作有如下几点：(1)分析总结了遥感影像道路提取的研究现状,对比分析了不同方法的优劣,学习和参考前人的研究成果,为本研究方法夯实了基础。(2)根据我国道路的分类体系,分析了不同分辨率遥感影像上不同类型道路的特征。(3)为了提高遥感影像道路提取的效果和精度,削弱噪声的干扰,结合研究基础和文献资料,使用Dudo道路算子进行遥感影像锐化,并进行中值滤波或者双边滤波,实现遥感影像的平滑等预处理。(4)针对高分辨率遥感影像特点,由于道路信息的复杂性与过多的噪声,本文提出并实现了改进的基于最小二乘矩形模板匹配的道路追踪方法。通过对比本文改进的矩形模板匹配、剖面模板匹配、角度纹理的道路追踪提取方法在高分辨率遥感影像上进行定性定量对比实验,矩形模板匹配法提取完整率最好,达到90.7%,分别高于剖面模板匹配法的81.5%和角度纹理法的85.3%；矩形模板匹配法的正确率优于90%,提取质量优于81.6%；矩形模板匹配法的自动化程度比剖面匹配法、角度纹理法高46.9%和37.6%：提取速度以矩形模板匹配的45.8米／秒远高于剖面匹配和角度纹理方法的22.9米／秒和30.8米／秒。通过实验证明了矩形模板匹配道路提取方法与其他几种方法相比,能够更有效地从高分辨率遥感影像上提取道路。(5)针对中等分辨率遥感影像道路信息相对简单、噪声点较少的特点,本文提出了基于支持向量机与区域生长耦合的道路信息提取方法,并通过定性和定量的实验对比分析在中等分辨率遥感影像上道路提取支持向量机、区域生长法和耦合方法。基于支持向量机与区域生长的耦合方法漏分误差为14.5%,错分误差为8.8%,总体分类精度达90.7%,均明显优于支持向量机的区域生长自适应；Kappa系数为0.91,优于支持向量机的0.81和区域生长白适应方法0.72。结果表明,支持向量机与区域生长自适应耦合方法进行道路提取,可以较大幅度提高道路提取的精度。(6)为了更有加有效地评价道路信息提取的有效性,根据他人研究成果并结合本研究的实际情况,提出用完整率、正确率、提取质量、自动化程度、绘图时间等指标来评价遥感影像道路信息提取方法的有效性。