道路作为极具经济价值的基础设施,是社会经济发展的基础。高分辨率遥感技术的发展为路网信息的获取提供了一种便捷、高效的新途径。目前针对高分辨率遥感影像道路提取多采用监督分类方法,但需要人工选择样本,自动化程度低且具有不稳定性;基于像元级的方法,提取完整度低且易产生椒盐噪声;面向对象的方法易产生粘连问题。由于自然场景的复杂性,遥感影像易受噪声干扰,再加上提取算法的局限性,道路提取并没有得到很好的解决。高分辨率遥感影像的道路提取依然是国内外研究的热点和难点。为了提高道路提取的完整度、准确度和自动化程度,本文从多特征融合的角度出发,提出一种结合非监督分类和多特征的道路提取方法。具体的研究工作主要有:(1)分析了我国道路的分类体系,总结了道路在高分辨率遥感影像上的特征,以及不同场景下道路的干扰因素。(2)提出了一种基于非监督分类和几何-纹理-光谱特征的高分辨遥感影像道路提取方法,建立了一套完整的非道路区域滤除体系,选择城市、乡村、山区三种场景下六幅不同卫星、不同分辨率的高分辨率遥感影像进行实验,并与国内外两种有代表性的像素和对象两个层面上的道路提取方法进行对比。实验结果表明,本文方法可以有效改善椒盐噪声和粘连现象,且具有较高的自动化程度。(3)针对高分辨率遥感影像中易产生的阴影和遮挡问题,应用了一种基于Frangi线性目标增强的改进方法。选择了四幅高分辨率影像进行对比实验,实验结果表明,该方法能够有效提取出影像中的线性特征,解决部分阴影和遮挡问题,并且具有较高的稳定性和精度。