道路网作为一种基础地理信息数据，在城市规划、交通运输、车辆导航、位置服务、智能城市管理等众多现代城市生活场景中具有非常突出的重要性。然而，由于道路网自身结构的复杂多变性，使得从遥感影像自动提取路网信息困难重重。三十多年来，相关研究甚多，但始终没有成熟算法能够出色完成路网计算机自动提取任务，准确道路网数据的获取仍然需要依赖大量的人工交互解译。近年来，对地观测技术的快速发展和高空间分辨率遥感影像数据的日益增加，给道路网自动提取技术带来了更多的可能性和更大的挑战性。随着分辨率的不断提高，影像中包含的道路结构特征更加丰富，但干扰信息也越发复杂，基于分割分类的传统思路已经很难适用于高分影像（特别是亚米级影像）中道路网的提取。与房屋、农田、水域等空间上聚集分布的团块状地物目标不同，道路网是一种疏散分布在整个影像上的网状目标，因而基于局部邻域信息计算的分割分类方法始终只能利用局部特征去提取道路路段，而无法像人类一样从整体上去把握道路网最本质的空间网络连接特征。鉴于亚米级遥感影像路网精细提取困难重重，本文按照“层次递进”的思路，将道路网提取分解成典型道路路段提取、路段追踪组网、道路网优化等多个步骤，通过在追踪和优化过程中充分应用道路网的网络连接特性，获得了超过分割分类方法的提取可靠性、准确性，在一定程度上为高分影像道路网自动提取提供了新的思路。　　本文主要研究内容和结论如下:　　(1)研究了道路网层次模型和提取方法框架。通过对道路网进行分层次结构建模，将道路网分解为一组自底向上，逐层组合的多尺度模型。在层次结构建模和特征分析的基础上，按照“局部目标提取-局部到整体的追踪-整体特征辅助下优化”的思路，设计了道路网自动提取的方法框架和具体方案。　　(2)研究了典型道路路段提取方法。基于高分影像上道路路段的具体特性，设计构造了多种对道路路段具有更好适用性和区分度的光谱、形状特征;在此基础上，分别从平行边缘结构提取和分割分类两个方向出发，设计实现了两种典型路段提取方法;综合利用两种方法可以提取出数量充足，且具有较好准确性的典型道路路段，以为后续路网追踪提供支持。　　(3)研究了路段追踪组网方法。以少量路段作为起始种子，通过追踪方法获取道路网的策略可以有效利用路网相互连接的特性。本文通过多尺度圆模板匹配方法来寻找新的道路路段，通过光谱异质性方向线波峰检测算法确定路段枝权数量和延伸方向，再结合一些相遇处理、相交处理、障碍跨越等细节处理技巧实现了初始路网的追踪与构建。　　(4)研究了道路网优化方法。从初始路网出发，利用方向线结构特征进行了道路交叉口优化;通过分析路网空间分布特征、拓扑连接特征，设计了道路网补漏与除错的方法;最后利用改进的条带蛇模型演化算法对路网中所有路段的中心线位置、宽度进行优化，得到平滑而准确的面状道路网矢量。通过对真实场景影像中的实验结果进行定性定量分析，验证了本文方法的有效性，与分割分类思路方法的对比结果显示了本文方法的特点和优势。　　通过本文研究，验证了层次演进策略在道路网自动提取中的可行性，凸显了道路网整体的空间分布特征、拓扑连接特征在路网提取与优化过程中的重要性，为遥感影像道路网自动解译这一难题提供了新的思路，也给河流水网、灌溉沟渠等类似的网状地物目标解译提供了一定的借鉴。但从应用需求上来看，不同区域城市道路网影像存在非常多的复杂性和特殊性，本文的许多算法所考虑的道路网还是结构相对简单的，要获得更广泛场景下的实用性，仍需进一步对各步骤提取算法进行拓展和提高。