道路是我国重要的基础交通设施,每年国家在基础建设上不断加大投资力度,道路建设也呈现出逐年增长状态。道路的实时更新对于车辆导航、交通管理、突发事件快速反应、城市规划以及智慧城市等相关研究领域都具有十分重要的意义。遥感技术能够提供大面积准实时的高分辨率影像,遥感影像上的光谱、纹理、空间结构特征越来越丰富,使得从遥感影像中提取道路信息成为可能。利用高分辨率遥感影像进行道路识别和提取,已成为图像处理、计算机视觉和图像理解等领域的重点研究课题之一,这不仅有益于丰富基础地理信息,同时在军事国防、城市规划、环境规划、地理信息更新和农业调查领域有着广泛应用。本文采用航空航拍和卫星遥感两种不同平台所获取的高分辨率影像作为数据源,综合运用时频特征抽取技术和支持向量机分类等方面的知识,实现高分辨率遥感影像中的道路提取。主要内容及成果如下：1.阐述了从高分辨率航空以及卫星遥感影像中提取道路的目的和意义,分析了国内外研究现状以及现阶段影响道路提取的几大因素。2.介绍了遥感影像预处理相关基本理论知识,包括遥感影像的几何校正,辐射校正,遥感影像空域增强和频域增强,以及遥感影像融合的相关内容。为遥感影像预处理提供理论基础。3.研究了一种基于地统计学特征抽取与支持向量机分类的遥感影像道路提取算法。首先分析了不同分辨率下的道路影像的特征,介绍了地统计学中变异函数和机器学习中支持向量机模型的基本理论；然后利用变异函数抽取纹理特征结合支持向量机分类进行道路粗分割,并采用道路形态特征与数学形态学相结合的方法处理道路区域；最后建立道路网络。多组对比实验结果表明,该算法较好地提取出了遥感影像中复杂道路。4.提出一种基于时频特征抽取和迁移支持向量机分类的高分辨率遥感影像道路提取算法。首先,利用地统计学抽取道路的时域纹理特征,利用三维小波变换抽取道路的频域光谱特征,时域纹理特征和频域光谱特征构成高分辨率遥感影像中的道路特征。然后,使用抽取的道路特征训练由迁移支持向量机模型构建的域自适应分类器,对高分辨率遥感影像进行道路粗提取。最后,结合道路形态特征,用数学形态学方法处理粗分类后的道路,获得提取后的完整道路。仿真实验结果表明,所提算法能有效降低高分辨率遥感影像道路提取中非道路目标的干扰,提高道路提取的精确性。