本文钊对遥感图像中的道路信息,在认识和掌握道路提取方面经典理论的基础上,研究如何有效的对这些道路信息进行识别和提取。在研究的具体过程中,首先依据支持向量机提取道路样本,通过训练样本得到道路的大体轮廓；其次对得到的道路大体轮廓进行聚类分析,从而分离出主要的道路信息；然后利用二维最大熵法,由遗传算法具体设计寻求最优解从而分割得到二值图像；最后运用模式识别相关知识以及数学形态学实现道路目标的完整提取。主要做了以下研究工作：(1)数学形态学实现对道路的提取。发挥数学形态学的优势,运用相关的算子处理二值图像,并充分利用道路的几何特征,取得较好效果。在其他方法的研究中,图像后续处理部分结合实际情况引入了数学形态学来进行处理运算。(2)对模糊C-均值(FCM)聚类算法做了研究,结合具体问题设计合理的分类方案。运用机器学习的优势,对支持向量机(SVM)算法做了研究,在选择有效学习样本,进行机器学习的基础上由FCM分类得出分类结果。实验结果表明对道路的分类提取有较好效果。从最后的评价数据来看,这种方法是行之有效的。(3)提取道路特征作为道路提取的重要步骤,这里运用二维最大熵法。由于遗传算法在寻求最优解方面的优点,这里结合特征提取具体的目标函数,依照标准的遗传算法进行了算法的设计,得出了较理想的道路分割结果。(4)从以上得到较好的分割结果后,在对道路特征提取的基础上综合运用形态学以及各种识别相关知识对道路目标进行规范化,最终得到了较好的道路网信息。实验方法基于MATLAB仿真软件,依据其强有力的图像处理工具,完成了道路提取的算法。其中遥感图像来源于谷歌地球和wikimapia,最终实现了遥感图像的读入和道路提取。结合具体的使用效果和道路的提取效果来看,这种方案是合理有效的。