道路作为交通运输业的基础设施和承载主体,扮演着十分重要的角色。遥感技术的发展使得采用卫星遥感图像获取道路网的分布成为可能,但由于道路是细长条目标,而且与裸地、建筑等地物光谱反射率相近,使得从遥感图像中提取出连续、清晰的道路网一直是一个研究难点。本文以国产高分2号卫星影像为数据源,采用数据挖掘与深度学习等技术,探讨三种高精度的遥感图像道路自动提取方法。主要研究内容如下:（1）采用支持向量机技术,提出一种光谱特征结合模板匹配后处理算法的国产高分2号卫星影像道路自动提取方法。首先结合光谱特征和纹理特征初步提取道路,通过设计一种模板匹配算法,对初步道路提取结果进行后处理,去除非道路部分,进而实现道路的自动提取。结果表明,对于道路周边环境区域复杂度不高时,该方法可以有效去除初步道路提取结果中的噪声,适用于识别较宽的主干道路。（2）针对遥感影像中道路周边区域地物较为复杂的问题,本文提出了一种基于SM-Unet的国产高分2号卫星影像道路自动提取方法。为捕获孤立道路区域的长条状特征信息,在网络编码器下采样前加入了条纹池化模块;为增强网络对复杂场景中道路区域上下文信息的获取能力,使道路特征表示更有辨别力,在编码器最后的卷积层后加入混合池化模块。结果表明,与现有网络提取道路结果中出现明显的漏分、断裂现象相比,本文提出的网络能够提取出较为完整、连续的道路,适用于地物光谱较为复杂的国产高分2号卫星影像道路提取任务。（3）考虑到Res Net-101网络多次下采样会造成提取道路时边缘细节信息丢失的问题,本文基于Res Net网络,减少了下采样次数,在残差块中引入了空洞卷积,在网络中引入了增强型空洞空间金字塔模块和通道注意力模块,设计一种Supr-Res Net网络结构,进而提出基于Supr-Res Net的国产高分2号卫星影像道路自动提取方法。结果表明,使用该方法提取的道路精度均优于U-Net、Res Net-101等现有网络。通过本文研究和改进的三种道路提取方法,可以在遥感图像中高精度的提取道路目标,并适应不同复杂程目标场景、不同道路形状以及不同广度范围的道路目标提取,可以被有效地应用于交通运输、道路规划、地图导航以及军事侦察等场景,具有很大的应用价值。