道路与地块是遥感影像中常见的地物要素,在监控应急、路网规划、农业保险、国土资源规划等领域发挥了重大作用。随着遥感技术的迅猛发展,光学遥感卫星影像空间分辨率不断提高,为道路与地块的精确提取提供了细致的光谱及空间结构信息。近些年深度神经网络在图像处理领域屡创佳绩,也逐渐被应用于高分辨率遥感影像道路与地块提取任务中。在道路提取任务中,道路通常为细长条带形状,分布跨度大而宽度占比小,局部细节信息与全局空间分布信息容易造成冲突,同时道路具有网状连续性分布的特点,而遥感成像时树木、阴影等会遮挡道路,造成影像中道路网的断续。在地块提取任务中,地块呈现规则多边形的形状,在地块分布比较密集的区域中,较细的田埂等自然边界容易被覆盖,造成地块粘连,并且地块内部特征较为一致,而不同地块区域由于栽种农作物不同会有不同的特征表现,对地块类别的提取造成困扰。针对以上提取难点,本文提出了两种结合形状先验的提取算法并进行了软件设计实现。本文主要研究内容如下:1)针对道路跨度大而占比小及遮挡问题,本文提出了一种结合条带形状的多路特征聚合网络道路提取方法。该方法通过多路不同尺寸卷积核来提取不同朝向的条带形状道路的局部细节信息,再对多路特征进行聚合得到条带形状道路的全局空间分布信息,同时利用多个采样率递增的空洞卷积经过密集连接提取道路上下文信息预测遮挡道路。经过对比实验可以得出,该方法对道路的整体与局部提取都有较好的效果,并且能够识别出被遮挡的道路。2)针对地块容易粘连及特征差异的问题,本文提出了一种结合多边形的边界引导网络地块提取方法。该方法利用地块及边界的空间关系制约对其进行同时提取,并结合多边形地块的直线边界信息对提取边界断裂处进行补全来进一步分离粘连地块,另外利用边界与归一化植被指数的空间位置关系消除非地块区域特征的干扰,通过地块内部特征的一致性来识别具有不同特征的地块。对比实验结果表明,该方法提取的地块粘连较少,并且对不同特征的地块识别能力较强。3)针对实际道路和地块提取需要,本文使用Py Qt框架进行软件功能开发,利用自动提取算法与人工校正对道路与地块进行准确提取,并统计道路的宽度、长度及地块的面积、数量等信息,能在应急路线规划、农险定损等应用中提供重要支撑依据。