随着“高分”影像的发展,“高分”影像的应用走向区域化和全球化,同时已经渗透到了各个行业,成为人们生产、生活中十分重要的一部分。道路故障的及时发现对人们日常交通、道路养护部门以及出行导航都有十分重要的意义。而现在,对于农村偏远地区道路安全信息提取完全依靠人工,随着“高分”遥感影像的发展,可以将“高分”遥感影像应用于道路故障检测以提高效率。本论文主要介绍基于“高分”遥感影像的道路故障检测系统实现过程。对于研究区域卫星遥感影像,通过不同地物反射的电磁波在影像上呈现的光谱和纹理特征不同以实现道路提取和道路故障的识别与发现。本文主要完成以下工作并得出相应的结论:首先,对所研究的遥感影像进行校正、配准以及融合等预处理操作以提高后续研究的精度和整体性能,对预处理各个环节的原理及操作方法做了详细的介绍;其次对所研究的遥感影像进行道路提取。选取道路样本集,统计道路样本集的光谱特征和纹理特征,基于马氏距离描述被测像素与道路样本集的相似性,基于Dempster-Shafer证据理论融合光谱特征和纹理特征进行道路提取,提取后的道路运用方向滤波、数学形态学进行道路提取优化处理;然后进行道路故障识别与发现。得到道路提取结果之后,对道路进行实时监测,运用BP神经网络对遥感影像中的道路分类以实现道路故障的识别与发现;最后使用Visual Studio 2010利用面向对象的C#语言实现基于Dempster-Shafer证据理论融合光谱特征和纹理特征的道路提取、基于BP神经网络的道路故障识别与发现,并利用Visual Studio 2010中的窗体、控件实现系统设计。论文完成了道路提取算法、道路故障识别与发现算法的设计,为“高分”遥感影像道路故障检测提供了技术路线,达到了预定的设计目标。