道路网作为地理信息系统应用的一个基础数据,它的识别、提取和精确定位对于影像理解、制图、GIS数据的更新以及城市规划、交通和测绘方面具有的深远意义。卫星遥感技术的发展使得遥感影像的分辨率显著提高,高分辨率和中低分辨率下的道路影像特征呈现较大差异,如何更好的利用高分辨率遥感影像提取道路信息实现GIS数据动态更新是近年来重要研究方向之一。数学形态学是建立在拓扑学和随机集上的一门图像分析学科,在图像和信号处理、测绘领域中得到了深度应用。本文分析了现有的从遥感影像中提取道路的不同方法,并在此基础上结合数学形态学方法研究实现了半自动模板匹配法和基于多特征的k-均值聚类分割方法,本文主要工作包括下面三部分:(1)基于数学形态学的遥感影像处理,可针对影像取特定的结构元素经过数学形态学的开、闭运算对影像进行预处理,包括形态滤波和图像增强。在提取出的道路网络上运用开闭运算、形态重建对其进行图斑去除、孔洞填充、去除毛刺,得到精确道路提取结果。(2)对基于模板的道路提取方法进行改进,使其能够适用无明显中心线的道路提取。选择三个初始种子点,配合角度纹理信息确定道路初始信息,根据匹配阈值确定目标窗,得到迭代种子点。将迭代种子点连线就是提取的道路线。实验结果证明,采用该算法能较好的提取道路信息,同时算法也基本满足实时性要求。(3)提出一种改进的聚类分割方法。道路图像预处理后,引入综合纹理特征向量和光谱特征向量对图像进行K-均值聚类分割,将分割后的影像利用数学形态学进行地物分离、图斑去除,得到最终提取结果。实验定量分析,基于综合特征的道路聚类分割方法比使用单一图像特征的分割方法有更好的分割效果。