自从20世纪70年代第一颗人造遥感地球卫星问世以来，随着遥感卫星数据获取技术的不断发展，遥感影像空间分辨率不断增高，已经达到甚至突破米级。在高分辨率影像上，不仅地物的光谱特征更加明显，其景观的结构、形状、纹理和细节等信息也都非常突出。这些高分辨率的遥感影像为GIS数据的更新和应用提供了更加有利条件。如何快速、准确地从遥感影像中提取所需信息已成为研究方向，而从遥感影像中自动提取道路是其中一个研究热点。由于高空间分辨率遥感影像中道路类型众多，空间结构复杂，同时，受路面障碍物(如车辆等)及阴影等图像噪音影响，同一目标物的不同部分表现出不同的灰度空间特征，传统的基于线状目标提取和面状分类的遥感影像道路提取方法(如Hough变换，道路检测算子等)不能取得很好的效果，因此道路信息自动提取十分困难。到目前为止，道路提取基本依靠手工描绘或人机交互式跟踪，这无疑增加了人员成本、降低了工作效率。　　 过去几年，在数学分析、计算机视觉、模式识别、统计分析等不同学科中，分别独立地发展着一种彼此极其相似的理论，人们称之为：多尺度几何分析(MGA)。它是对小波变换的延伸和扩展，发展MGA的目的是为了检测、表示、处理某些高维空间数据。目前，人们提出的多尺度几何分析方法主要有：脊波变换(Ridgelet transform)、曲波变换(Curvelet transform)、Contourlet变换等。本文将以新近发展起来的第二代小波分析方法—多尺度几何分析为理论基础，将其纳入到对高分辨率遥感影像的道路提取中，并结合已有道路提取方法，实现道路信息的更加准确、快速提取。本文的主要研究内容和结论如下：　　 1.基于多尺度几何分析的遥感影像增强研究　　 对已有的经典图像增强算法和曲波增强算法进行试验比较，结果表明基于曲波变换的图像增强方法优于高斯高通滤波和线性变换的图像增强方法，变换后更多的图像细节能够被保持下来，保持边缘的效果也很明显。这也正是多尺度几何分析的优点所在。　　 2.基于脊波变换的道路边缘检测　　 深入研究了脊波变换的数字实现方法，提出了修正的Radon变换(RevisedRadon Transform，RPRT)，改进了脊波变换中的关键步骤- Radon变换的数字实现方案，使之更适合高分辨率遥感影像的道路边缘检测。在此基础上，纳入道路的辐射和几何特征，设计了基于脊波变换的高分辨率遥感影像道路边缘检测方法。最后，使用Pratts Figure of Merit(FOM)来评价实验中道路检测的精度和算法的有效性。实验结果表明，该方法优于已有的经典边缘检测算子(如Canny算子，Sobel算子等)和图像分类分割方法所获得的道路边缘。　　 3.基于纹理特征的道路面状信息提取　　 分别使用灰度共生矩阵、小波方法和Contourlet变换构造了图像的多个纹理特征，使用监督和非监督方法对图像进行分类，从而提取道路面状信息。在此过程中，对于纹理属性的约简方法也进行了实验和研究。实验结果表明，纹理特征的加入能够有效提高分类精度，其中组合主成分分析和K-mean的自动分割方法中Contourlet纹理特征获得了较好的效果，组合粗集约简方法和微软决策树的监督分类方法中，灰度共生矩阵分割的精度较高。　　 4.道路边界、路面及形态多重信息融合的道路提取方法研究　　 在使用多尺度几何分析方法提高道路边缘和面状提取精度的基础上，设计了逻辑互运算方法，使得道路边缘和面状信息互相确认，互为补充，同时遴选有效的形状指数进一步提纯道路信息，从而达到了道路的更加准确提取。