道路作为一种重要的地物类型对人们的生活出行、城市的规划发展具有重要作用,从遥感图像中提取道路信息具有实用的科学价值和现实意义。但随着遥感技术的发展,遥感影像分辨率提升的同时,描述地物的信息变得愈来愈丰富,识别提取道路信息的难度也随之提升。本文对多种遥感图像道路提取方法进行了深入研究,并在遥感图像特征和道路特征的基础上,对现有的道路提取方法做出了一些有益的改进。首先,采用了基于边缘线的遥感图像道路提取研究方法,由于遥感影像成像的特殊性,传统的光学边缘检测方法不能很好的适用。本文在Canny边缘检测算法的检测框架下,引入一种目标尺度的概念,提出了一种改进的边缘提取方法。考虑到遥感图像成像的复杂性,受干扰较多易产生噪声,在滤波环节采用一种平滑尺度自适应的高斯滤波,达到减少噪声并尽最大可能的保留边缘细节的目的。其次,在对最终边缘判断的双阈值部分,依据像素点目标尺度范围内的局部特性自适应的选取高低阈值。并在实验环节与多种方法进行对比,试验结果表明,该改进方法不仅能有效滤除遥感图像较多的噪声,并且在准确判断边缘线的性能上要明显好于其他方法。其次,采用了基于区域的遥感图像道路提取研究方法,吸收和借鉴前人的研究成果采用均值漂移算法(Mean Shift)来分割提取道路。分析发现传统的方法大都基于光谱特征来进行分割提取,对分辨率较高的遥感图像所存在的“异物同谱、同物异谱”现象造成的误判问题较为严重。本文提出一种基于多种特征结合的均值漂移算法,在边缘统计特征、光谱特征、位置特征的基础上,完成图像的分割,并采用Otsu方法将图像二值化为道路部分和背景部分。通过后续的实验表明这些特征的结合对道路的误判问题是行之有效的。最后,针对通过以上两种道路提取方法分别得到地物边缘线以及初步分割的道路区域之后,仍存有的少量非地物部分。再分别依据道路的几何特征和形态学方法进行精细化处理。最终试验结果表明两种道路提取方法的有效性和优越性。