遥感影像具有观察范围广，可以获取大范围数据资料，并且获取信息速度快等特点，相比传统的实地测绘手段，利用遥感影像能够做到在短时间内获取大范围的道路信息。本文针对遥感影像道路提取展开了一系列的研究，对道路提取方法进行了实验和对比分析，并对有干扰影像提出了相应的道路提取策略。论文首先对道路特征进行了分析，对遥感影像道路信息提取的研究现状进行了深入的调研。在肯定目前已有研究的基础上，指出各种提取方法对图像本身强烈的依赖性。在此基础上，设计了从无干扰到有干扰的道路提取研究方案。在研究方案的基础上，论文首先利用道路清晰、灰度基本一致、没有干扰的图像，针对道路形态特点，对纵横道路选取数学形态学和模板匹配方法，多方向道路选取活动轮廓模型、脉冲耦合神经网络、支持向量机和模糊C均值方法进行研究，根据图像的性质设计了不同的操作流程和一系列实验，完成了对不同图像的道路提取。通过对以上方法的对比分析，论文选取具有研究和应用价值的模糊C均值方法，针对其主要缺点进行改进，提出邻域FCM方法，在利用光谱信息的同时利用空间信息，改善了道路提取效果。由于FCM方法对于细长弯曲道路适用性不足，论文又引入圆投影方法进行细长弯曲道路提取。在此基础上，论文进一步开展对路面有车辆、交通标志、阴影等干扰的图像的研究，提出相应的道路提取策略，其中对交通干扰采用形态学重构和MeanShift方法，阴影干扰采用HSV变换方法，实现了对有干扰图像的道路提取。由于实际道路具有形态多样、所处环境复杂等特点，同时也由于遥感影像本身的复杂性，本文的研究尚存在对图像和实验的依赖性较强、实验影像相对简单等不足，在道路提取成果的应用转化和定量评价方面还有待进一步研究。随着遥感技术的发展，遥感影像的应用也将日益普及。遥感影像道路提取结果可以作为地理信息系统的数据来源，其应用范围覆盖了测绘制图、城市规划、智能交通等各个方面。本文的工作对于推动遥感影像的应用发展具有积极意义。