地理信息系统已成为一种处理现实世界中存在的各种复杂问题广泛使用的工具。现如今,遥感系统是包含丰富空间信息的各类地理数据的主要来源,而传感器技术的发展使得获取用于高精度地理目标检测的高分辨率遥感影像相比于以往任何时候都要更加便捷。现实中地理目标通常具有明显的线性特征,无论自然地物或人工地物都包含了大量的线结构。高分遥感影像为提取这一类地物提供了重要的源数据,而相关的图像处理算法的研究对于精确地提取这些线性地物则具有重要意义。本文旨在探索基于多尺度几何分析的高分辨率遥感影像中提取线性地物自动化的方法。研究并实现了高分影像中两类线性地理实体目标,即电力线和道路提取。在所提出的方法的基础上,对所提出的线性地理空间对象的多尺度和视觉启发感知分组方法的理论和技术方面进行了综述。影像数据实验均在在MATLAB软件环境中实现。对于电力线目标,本文提出了一种综合Gabor变换,Jerman滤波,匹配滤波和curvelet变换等多尺度分析方法的高分影像电力线提取方法。三个高分辨率图像数据集:无人机图像、机载直升机捕获的航空图像和谷歌地球地图共54幅图像被用于实验研究。研究过程中详细分析Gabor变换的多尺度、多方向性特征。实验中我们发现通过调整影像Gabor变换的尺度和方向参数能够有效的增强地理目标的线性结构特征。同时也研究了Jerman线性滤波器对线性目标的结构增强能力。为了更好的提升地物的线性结构,研究比较了Jerman滤波和匹配滤波在地物线性结构增强能力上的共性与差异,实验发现基于高斯函数的匹配滤波具有较好的噪声抑制能力。Curvelet变换通过将影像分解为不同尺度、不同方向的子带,并且通过对子带系数进行选择性的处理(即尽可能地保持电力线的结构特征而去除其他干扰目标)来实现电力线目标的特征增强。采用一种既能实现连通分量分析又能实现阈值化的方法,称为滞后阈值法,对增强的电力线进行最终分割和提取。整体多阶段实验研究表明,该方法是有效的。可以从任何方向捕获多源图像中的电源线,即使是从极其退化的图像中也是准确地导出的。对于道路目标,本文提出了一种结合多尺度几何分析和视觉感知相结合提取方法。在详细分析了相关理论方法的基础上,提出使用脉冲耦合神经网络(PCNN)、curvelet变换、张量投票(tensor voting)方法以及滞后阈值法的道路提取研究策略。该方法在28幅图像的三个高分辨率图像数据集上进行了实验研究。将IKONOS、Geo Eye卫星图像和谷歌地图衍生图像用于实验研究。通过对不同数据源的高分影像的实验表明,PCNN不仅能够有效的检测出影像中的道路目标,甚至可以从同一图片中较好的区分出具有不同强度的道路。Curvelet变换具有多尺度和多方位分解能力,使路段能够单独访问、保存和增强。通过滞后阈值法可以有效的得到道路目标的初步提取结果。由于遥感影像中道路目标的复杂性使得初步提取的道路目标存在结构不完整等缺点,本文使用基于视觉感知方法即张量投票来恢复道路线段间存在的断裂间隙。准确地导出了地理数据库的拓扑集成和地理参考道路网络。本文同时研究对于上述两种线性地理目标的提取结果的定性与定量评价方法。从定性分析的角度来看,目视检测结果表明本文提取的线性地物能够很好的与影像中的真实地物相匹配。对于提取结果的定量化评价,本文研究多种定量化评价指标,提出了经验差异(empirical discrepancy)评价方法并证明了其能够很好的评价提取结果的精度。通过计算相关评价因子表明了基于多尺度几何分析方法能够有效且准确地提取影像中的线性地理目标。因此,多尺度几何分析理论可以作为是一种有效的地理空间数据表示和分析方法。尺度几何分析理论的进一步研究在对于遥感影像空间信息的提取具有重要意义。