随着遥感技术的发展,遥感图像的分辨率不断提高。目前高分辨率遥感图像已在国土资源调查、基础地理数据更新、土地利用变化检测等方面广泛应用。在遥感图像中,道路信息不仅是一种重要的基础地理信息,还可以作为提取其他地物目标的线索和参考,它的正确提取对高分辨率遥感图像的深入应用具有重要的意义。然而,高分辨率遥感图像中信息丰富,道路目标越来越多,且存在树木和建筑物的阴影或遮挡等造成的各种干扰,因此研究高分辨率遥感图像中的道路提取具有重要的科学意义和实用价值。从上世纪七十年代开始,国内外相继开展了从遥感图像中提取道路信息的研究。已有的算法从相对简单场景的遥感图像中提取道路,如乡村区域中的道路以及城区中较直的主干道等,己经取得了比较好的提取结果。但到目前为止能够从具有复杂场景的高分辨率遥感图像中提取出完整道路的算法还未见到。究其原因是这类遥感图像中存在着大量干扰,如树木和建筑物的阴影或遮挡、道路上的车辆和各种交管线等。这些干扰不仅使遥感图像中的道路网变得非常零乱,而且也经常使道路的边缘变得模糊不清。此外,停车场、池塘、河流、建筑物顶部等所产生的与道路类似的图像特征的存在也给道路的提取造成困难。在分析和研究了现有各种从遥感图像中提取道路的方法基础上,结合高分辨率遥感图像的特点,针对农村及城乡结合区域的高分辨率遥感图像,本文提出了一种基于多特征的高分辨率遥感图像道路提取算法。该方法首先采用人工方式从图像中采集道路样本,并统计道路样本集的光谱特征和纹理特征。根据这些特征建立了高分辨率遥感图像的道路提取模型,采用Dempster-Shafer证据理论融合这些特征,进行全局的道路提取,得到初步的道路二值图像。然后,采用一种迭代方向滤波器对道路二值图像去噪,最后使用数学形态学变换进行道路断线的连接和内部斑点的消除,得到最终的目标道路图像。实验结果表明,由于该算法较充分利用了道路的多种特征,对多种特征进行了融合处理,比运用单一特征进行道路提取方法具有明显优势,特别是在提取道路细节信息方面,该方法具有较好的效果。