遥感图像的交通道路目标识别是自动目标识别理论中的关键技术之一。本文所研究的典型目标主要包括各等级公路、桥梁、道路等交通枢纽的识别方法。识别方法的流程主要是边缘检测(低层处理)、线基元提取(中层处理)、线基元连接和目标描述与提取(高层处理)。此外,对于高分辨率遥感图像的城市道路识别,本文还采用提取街区块边缘的方法实现道路提取,突破了线特征的提取思路。本论文主要的研究工作和创新性成果如下：1、研究了遥感图像的边缘检测算法,包括改进的Canny算法、形态学算法等,重点研究了Snake算法。针对遥感图像的特点,在Wiliams的Greedy算法的基础上,利用了一种自动的主动轮廓模型,对Auto-Snake算法进行了改进。实验表明,改进后的模型能够稳定地收敛于目标与背景灰度分布较复杂的多角点图像轮廓边缘,能够成功地实现对各种形状实际街区的边缘检测。提出了一种基于图像融合的主动轮廓模型,用于目标检测。首先,应用基于小波变换的多分辨率图像融合,获取多分辨率的融合图像。其次,在低频子图像,应用Snake与Sobel算子检测对象的轮廓；在其它高频子图中,应用一个基于小波的Snake。这两种收敛Snake融合于一块以获得在原始分辨率下的融合图像中的融合Snake模型。这种融合的多分辨率主动轮廓模型可广泛应用于军事或安全科学领域遥感图像的目标检测。2、提出了一种改进的Hough变换的桥梁目标识别算法。该算法充分利用桥梁在遥感图像中的特点,通过将全局阈值与局部阈值结合去除虚假尖峰,判读直线段间的位置关系,融合端点邻近的线段等改进算法融入到标准的Hough变换中,实现了一种新的桥梁目标识别算法,运算时间在10分钟左右。理论分析和实验结果表明,该方法抗干扰性强、检测精度高,能够给出桥梁目标的完整描述,且计算复杂度、运行时间也比较理想,是一种简单高效的桥梁目标检测算法。3、提出了不同分辨率和不同场景下的遥感图像线基元连接方法。针对道路的线状特征,分析了相位编组和基于Radon变换这两种最具代表性的基元提取方法的原理和实现,提出了两种线基元连接方法。一种是基于知识的线基元连接方法,另一种基于改进的Snake模型的曲线连接；提出了全局FFT的模板匹配目标检测算法,利用其进行相关匹配目标检测。仿真实验表明,该算法能够快速的准确的检测出给定目标,并且识别率高,鲁棒性强；给出了特征模板尺度与目标检测之间的关系,随着模板的增大,算法的速度将比直接卷积有显著提高,小尺度特征模板可以检测到相对大的同类目标；随着模板尺度的减小,检测的准确率会提高,但虚警就会出现。4、提出了一种基于RT的遥感图像的道路识别算法。根据遥感卫星图像分辨率的差异以及场景模型,对不同的道路模型进行分类,同时对各种道路模型,开展了对道路识别方案的讨论。针对遥感图像的分辨率的差异,可划分为两种类型,一种是分辨率低的图像,即地面分辨力在10m左右的图像；另一类是分辨率高的图像,即地面分辨力在1m左右的图像。对低分辨率图像的乡村地区高速公路：提出了一种基于RT的道路识别算法。改进了基于方向统计特征的道路提取算法,即在提取了线特征的同时兼顾了线性特征的方向特征。实验结果表明,前者对较为规整的线目标提取有非常好的效果,后者对较低分辨率图像的空旷地形上的道路提取可取得较好的效果。对于高分辨图像的城市道路：针对这类图像中街区密度非常大的特点,提出了一种基于街区块提取的道路识别算法。即将道路的提取转化为对街区边缘的检测。实验表明,采用提出的改进Auto-Snake算法,成功实现了对实际中各种形状街区块边缘检测。此外,特别对于军用机场跑道这种人工目标,联系之前的目标识别流程,给出了在此场景下的进行识别的实例。总之,论文对基于遥感图像下交通道路目标的识别方法进行了广泛深入的研究。研究了基于遥感图像的边缘检测,线基元提取,低、中、高分辨率下遥感图像道路的自动提取方法,曲线道路的自动提取方法,基于遥感图像的桥梁、机场跑道以及机场区域的自动识别方法。