道路作为主要交通设施,对于经济与社会发展均具有重要意义。采用高分辨率遥感影像自动或半自动提取道路信息可以提高效率、统一规格、节省人力物力资源,因而如何从高分辨率遥感影像上高效、准确提取道路一直是相关领域的研究热点。当前道路提取算法存在的问题主要有:直接聚类算法提取道路自动化程度高,而道路提取质量较低;采用监督分类算法进行道路提取的精度较高,但需要大量训练样本,人工标注降低了算法的自动化程度;另外高分辨率遥感影像中的道路提取质量易受植被遮挡、建筑物阴影、复杂场景道路特征不明显等因素影响。本文围绕上述问题,针对基于高分辨率遥感影像和出租车轨迹数据的道路提取,以及融合两种数据提取道路的相关技术问题进行研究,提出改进的思路和方法,通过实验验证了改进方法的有效性。论文主要工作如下:（1）在系统分析道路体系与高分辨率遥感影像中道路特征关系的基础上,着重对纹理特征进行分析与实验,阐述灰度共生矩阵等多种纹理提取方法,选择对比度、角二阶矩、同质性、熵等四种特征进行相关实验,验证了纹理特征的加入对道路提取的影响与作用。（2）针对监督分类道路提取算法人工标注样本标签导致自动化程度低的问题,提出一种结合改进模糊C均值聚类（Fuzzy C-means Clustering,FCM）算法与随机森林的高分辨率遥感影像道路提取方法。主要原理是:综合利用光谱信息与纹理特征,采用基于马氏距离的FCM算法随机选择训练样本并标注样本标签,然后利用随机森林模型训练样本集,并引入多方向形态学滤波进行道路区域优化处理。最后通过ZhangSuen快速并行细化（简称ZS细化）算法进行细化以及去除毛刺、断线连接等步骤获得完整精细的道路中心线。通过多组实验验证该方法可以自主选择并标注样本,且具有较高的提取精度。（3）研究了出租车GPS轨迹数据提取道路中心线的方法,并以实际数据进行了实验。首先采用基于统计阈值的栅格化算法获取轨迹栅格图像,然后依次实施了轨迹栅格图像去噪、平滑、ZS细化、断线连接等操作,获得道路中心线。（4）针对高分辨率影像中建筑物阴影、车辆干扰、植被遮挡等对道路提取的影响,提出了一种轨迹数据辅助的高分辨率遥感影像道路提取方法。结合多特征优势,采用简单线性迭代聚类（Simple Linear Iterative Clustering,SLIC）算法进行超像素分割并提取纹理特征,构建多层级特征空间;利用出租车轨迹数据对超像素进行样本标注,然后经随机森林训练、多方向形态学滤波等获取道路区域;最后采用ZS细化、去除毛刺、断线连接等步骤得到道路中心线。选择郑州市及周边地区作为实验区域,设计相关对比实验,通过整体实验结果精度评价与局部多场景分析相结合,综合验证本算法的有效性。