近年来，遥感技术得到迅速发展，卫星遥感影像的分辨率显著提高，其中QuickBird卫星影像全色波段的分辨率高达0.61m，QuickBird卫星与IKONOS卫星、SPOT-5卫星以及OrbView-3卫星等构成了高分辨率遥感卫星的主体。高分辨率遥感的出现拓宽了遥感技术的应用领域，实现了遥感技术从定性到定量、宏观到微观的重要转折。高分辨率遥感影像提供了海量的数据和更丰富的地物信息，如何快速、自动识别和提取影像上的地物信息，从而使遥感技术应用的深度和精度得以提高面临新的挑战。影像分割是从影像处理到影像分析的关键步骤。作为遥感影像信息提取的技术前提，遥感影像分割技术研究正日益受到关注，对于推动高分辨率遥感技术应用具有重要意义。 本文以提高高分辨率QuickBird遥感影像上道路信息的分割精度为研究目标。在系统分析当今影像分割技术的方法和理论研究现状的基础上，提出运用改进的数学形态学算法，结合QuickBird卫星影像的纹理特征对影像进行分割技术研究，实现了道路信息的自动提取。典型实验区域分割的试验和精度评价表明，基于数学形态学算法提取的道路等线性目标有很高的精确度，平均精度达到89.06％，而应用影像的纹理特征进行地物信息的分割后道路提取平均精度可达89.30％。与数学形态学算法结果相比，基于高分辨率遥感影像纹理特征的道路提取精度更高。 全文共分为五个部分。第一章主要阐述论文的选题依据和研究背景，分析了高分辨率遥感影像道路特征提取的国内外研究现状和发展趋势，评价了图像分割方法的研究现状，最后介绍了论文的结构和组织情况。第二章主要讨论了基于数学形态学的QuickBird影像分割方法，首先阐述数学形态学的基本理论以及基本运算，然后利用改进的受控数学形态学算法对实验区遥感影像进行道路分割提取试验，最后对结果进行评价。第三章主要论述了基于纹理特征的QuickBird影像的道路分割技术，利用基于纹理特征的马尔可夫随机场模型进行分析，实现道路的分割，并对分割结果进行评价。第四章根据前两章的分割结果进行道路信息的自动提取，最终验证分割的精度。第五章结论和展望。