随着遥感技术的快速发展,卫星影像的空间分辨率和时间分辨率也有了巨大的提升,商业化应用也越来越普及。道路的提取在智能化交通中有着广阔的应用前景,利用高分辨率遥感影像进行道路信息提取,相对于传统交通信息采集方法具有分辨率高,覆盖面积广的优点。这对城市规划、交通运输管理、用户出行路线选择等方面都具有重大的指导意义。本文以高分辨率遥感影像全色和多光谱融合后影像作为数据源,主要研究基于高分辨率遥感影像的道路提取方法,具体的研究内容和创新工作如下:(1)基于地物光谱特性的道路提取算法研究。首先,对获取的高分辨率多光谱及全色遥感影像进行预处理,并进行影像融合;其次,对融合后的影像进行直方图均衡化和线性增强,并对影像进行最佳阈值分割,同时,针对植被、水体等背景的光谱特性,利用归一化水体指数(NDWI)和归一化植被指数(NDVI)提取植被和水体信息;然后,融合影像最佳阈值分割结果和植被、水体提取结果,得到背景抑制后的道路目标;最后,利用面积、长宽比等形状特征对道路目标进行形态学处理,得到最终道路提取结果。(2)基于改进FCM方法和形态学处理的道路中心线提取算法研究。首先,利用改进FCM算法对高分辨率遥感影像进行分割;然后,利用数学形态方法去除道路之外的小噪声,并利用形态学细化提取中心线;最后,通过中心线毛刺剔除得到最终中心线提取结果。实验结果表明,与传统中心线提取算法相比,本文中心线提取算法对中心线的提取平均完整性达97.98%,平均准确性达95.36%,平均质量达93.59%。本文提出的道路提取算法提高了传统FCM算法的抗噪声能力,此外,利用形态学细化提取中心线的方法,降低了传统道路中心线提取的计算量。(3)基于多尺度分割和距离场计算的道路重构算法研究。首先,对现有的三种多尺度分割算法进行比较分析,选取最优多尺度分割算法对影像进行分割,并运用特征提取得到初始道路区域;其次,采用FMM算法求初始化道路的边界距离场、源距离场,利用最小代价路径算法求得初始中心线,并结合边界距离场计算初始化中心线的路宽;然后,对初始化中心线求取张量场连接断裂中心线;最后,将最终中心线与其对应的路宽进行匹配,重构得到最终道路。实验结果表明,道路中心线提取的平均完整为94.81%,平均准确性为97.49%,平均质量为92.66%。本文提出的道路提取算法改进了传统道路中心线提取结果精度低,中心线断裂等问题,较好的保持了道路的完整性。