道路半自动提取技术是通过人机交互的形式将航空或航天图像中的道路提取和识别的图像识别技术。近年来,随着航天技术的不断发展,卫星图片上的道路的提取也越来越受到重视。道路提取对于GIS数据更新、影像匹配、目标检测等都具有重要意义。因此,如何快速、准确的提取所需要的道路是当前图像识别的研究热点。本文以“无人飞机遥现操控与模拟系统”为项目背景,对卫星图片中道路半自动提取方法进行了全面深入的分析。首先,概述了卫星图片中道路半自动提取的研究意义、研究现状和存在的问题。然后系统地论述了道路提取方法。通过对道路自动提取方法和半自动提取方法进行对比分析,并结合课题研究背景得到半自动提取方法的切实可行性。其次,根据无人机定位跟踪的需要,分析比较了动态规划法、基于Snakes或主动轮廓(Active Contour)模型的方法、基于主动试验(Active Testing)模型的方法、模板匹配方法和神经网络方法的优缺点。提出了以电子地图中道路点信息为先验知识的卫星图片中道路半自动提取的解决方案。对基于主元神经网络和K均值的方法进行改进,并取得了很好的效果。最后,在分析了现有的神经网络方法的基础上,根据项目的实际需要,提出了一种以电子地图为先验知识利用神经网络提取道路的方法。该方法中利用电子地图获得道路的经度和纬度信息,而后通过计算获得提取道路点所在的卫星图片名称。读取该卫星图片,将图像中道路点的局部统计特征和纹理特征为PCNN神经网络的输入训练神经网络权值,而后将图像各像素的统计特征和纹理特征输入神经网络。将网络的输出作为SVM的输入,进行分类得到最终的道路提取结果。仿真试验表明,该方法取得了较好的效果。可以提高道路提取速度和准确度。