道路作为遥感影像重要数据信息之一,一直是影像处理领域研究的热点和难点,城市交通管理、城市规划、自动车辆导航、地理信息系统数据库更新等都依赖于道路的高精度自动识别和提取以及道路网信息的实时更新。但由于目前的计算机、目标识别、人工智能等技术水平的限制,道路提取至今没有一套完善的系统可以实现道路信息的智能化、自动化提取,因此研究高分辨率遥感影像道路提取算法具有重要的意义。本文以高分辨率遥感影像作为数据源,在认真研读道路提取方面前人研究成果的基础上,使用三种不同方法对道路进行识别和提取并对所用算法做了有益的改进,主要做了以下工作：(1)基于数学形态学和改进的Hough变换实现的道路提取。将数学形态学用于影像分割、骨架提取和后期优化处理,将传统的Hough变换进行改进,提高了运行速度,并将其与形态学结合用于道路提取,效果较好。(2)基于FLD (Fisher Linear Discriminant)和形状特征识别实现道路提取。利用FLD根据影像的颜色特征对其进行分类,辅以形状识别、形态学优化等实现道路提取,针对以往阈值分割时阈值难确定的问题,提出一种阈值计算方法,实验表明,使用此法计算出的阈值分割效果较好。(3)改进的FCM聚类算法和SVM实现道路提取。针对传统FCM对影像“同物异谱”敏感的问题,引入像素的邻域空间信息并定义一个空间函数将FCM聚类进行了改进,提高FCM聚类分割的效果,并将改进后的FCM与SCM结合,综合了监督聚类和非监督聚类的优点,实现了道路网的提取。(4)对以上提出的三种方法进行了实验验证,每个方法分别用不同的图像进行实验,验证上述方法的可行性并对实验结果进行了分析。