在国内经济持续进步、汽车保有量日渐提升的今天，城乡经济发展面临着一系列问题，如大量交通事故、交通堵塞等给其发展带来了严重影响。尤其是近些年，在气候、环境逐渐恶劣的条件下，暴雨、暴雪等自然灾害在国内屡见不鲜，怎样及时掌握灾区道路受灾程度与交通现状，在救援、重建等方面有着非常重要的作用。面对这种需求，为准确采集特定区域道路网、车辆等信息，必须找到一种更加理想的信息采集方法，不仅可以对各方面信息进行采集，而且能保证各项信息的时效性，只有如此，才可以帮助解决国内交通问题，让各种突发事件得到及时、有效的处理。　　本文的研究重点是高分辨率遥感影像中道路网与车辆目标的提取算法，利用改进的分水岭分割算法，根据影像中道路包含的光谱、几何、拓扑等特征，在遥感影像中提取道路网信息，将提取的道路网作为车辆目标提取的研究区域，根据影像中车辆目标包含的光谱、几何等特征，完成车辆目标的提取，以下是本文的主要研究内容：　　首先，根据部分学者给出的研究成果，对城区道路特征进行全面研究，同时对高分影像中的道路特征予以探讨，然后，对影像增强技术与面向对象分类方法进行介绍，为后续的道路自动提取奠定基础。不仅如此，根据分水岭分割算法的过分割缺陷，基于这种算法的定义，提出一种基于标记的分水岭图像分割方法，并采用一种改进的区域合并方法对分割结果进行后处理。接着通过NDVI、NDWI指数提取道路潜在区域。结合获取的道路潜在区域，根据道路所体现的光谱和几何特征对研究区域内的道路对象进行特征提取，采用多尺度的分割方法将道路分为主干道路和次要道路并建立一定的规则集分别进行提取。为了有效优化路网信息，根据实际需求选择一种方向延伸算法对道路拓扑结构进行优化，同时结合数学形态学的相关理论知识处理噪声。结合道路网的提取结果对原始影像进行矢量分割，获得车辆目标提取的研究区域，充分利用研究区域内车辆目标的光谱信息、几何形状信息将车辆目标分为亮色车辆目标和暗色车辆目标，然后制定两类车辆目标分类提取的规则集分别进行提取，最后，对提取的道路网及车辆进行精度评价。结果表明本文提出的方法能比较完整的提取出路网信息，对车辆目标也能有效的提取，对复杂的影像环境具有一定的适应性。