随着网络技术与地理信息技术的快速发展,越来越多的公众能够参与到互联网的资源共享当中,用户创建内容成为互联网信息当中的重要内容。OpenStreetMap(OSM)路网数据由一种公众参与并且免费获取的道路网数据,能够定期发布,更新速度快现势性强,是一种良好的地理数据资源。但是由于OSM路网数据的上传者并不具备专业的数据采集知识,所上传的路网数据通常无法与专业测绘数据相比,存在着数据不规范甚至是数据虚假等质量问题,因此在OSM路网数据使用之前对其进行质量评价十分有必要。很多学者提出了与高质量矢量参考数据对比的OSM路网数据评价方法,但是高精度的参考数据集通常难以获取,这类方法无法在OSM数据质量的评价中普遍应用。遥感影像具有获取方便、覆盖范围广、现势性强等优点可以作为OSM路网数据质量评价的参考数据。因此本文以遥感影像作为基础,提出了一种基于贝叶斯网络验证与深度学习网络模型的遥感影像道路网骨架获取方法,将所得到的道路网骨架作为OSM路网数据的参考数据,建立了模糊推理的评价模型,对OSM路网数据进行质量评价。本文的研究内容主要集中在以下几个方面:1、提出了基于遥感影像的质量评价方法。针对高质量矢量参考数据获取难度大,现势性差等难点,提出了利用遥感影像作为参考数据的评价方法。首先分析了两种典型的OSM数据质量评价方法,接着提出了遥感影像的质量评价方法,建立了模糊推理的质量评价体系,最后总结了遥感影像质量评价方法的流程;2、提出了基于贝叶斯网络的OSM路网数据验证方法。首先对OSM路网数据进行了简化,得到初始道路骨架,然后对路网与影像进行配准。针对路网数据可靠性不高的特点,提出了利用道路的边缘特征、光谱特征以及植被特征构建贝叶斯网络模型进行验证的方法,将通过验证的路段作为基础的道路骨架;3、提出了基于改进的U-Net模型影像新增道路提取方法。针对OSM路网无法覆盖的新增道路,提出了改进的U-Net网络模型的提取方法。利用基础道路骨架采集样本更新已有样本库,用来训练改进的U-Net网络模型,并对遥感影像进行预测,将得到的路网进行验证之后与已有路网融合得到完整的道路网骨架;4、设计并开发了基于遥感影像的OSM路网数据评价的原型系统,通过平台对本文的方法进行了实验,验证了本文方法的有效性。本文所述方法,从一个新的角度利用遥感影像对OSM路网数据进行质量评价,实验结果表明该方法是有效的。