道路信息的提取是地理信息更新、地理国情监测领域中的研究热点。目前国内外针对自动（半自动）化道路提取方法的研究已取得了一定成果，但由于受到两侧树木遮挡和建筑物阴影等因素的制约，目前道路提取的方法依然存在自动化程度不足、精度较低等问题，导致道路提取方法无法完全的应用到实际生产中。　　针对以上问题，本文以高分辨率遥感图像中的道路为研究对象。设计建立混合模型的策略，重点研究了支持向量机结合模糊C均值和马尔科夫随机场的道路提取方法。通过对比分析国内外道路提取研究文献，总结各种道路提取方法优缺点。根据道路的特征，通过对比实验结果确定利用分段线性变换对遥感图像进行增强，使用中值滤波的方法进行滤波的预处理流程。提出一种基于改进支持向量机的高分辨率遥感图像道路提取方法。该方法在应用支持向量机提取道路之前加入模糊C均值方法，以此解决支持向量机方法在分类过程中受到分类数目限制的问题，并引入马尔科夫模随机场对分类后的图像进行噪声的剔除，利用形态学运算等方法对提取出的道路影像进行后处理，得到道路网信息。通过不同的遥感图像的实验结果验证了本文算法的有效性，同时与其他算法的对比试验结果，以定量化方法表明了本文方法的优越性。