道路网络作为地理信息系统的重要组成部分,被广泛应用于人们的生活当中。因此,如何快速有效的获得完整的道路网络信息成为一个热门研究问题。同时,高分辨率遥感影像技术的发展也给道路研究提供了新渠道。在需求驱动和技术保障情况下,本文对道路网络更新进行了研究,主要的研究工作如下:首先,实现了基于非周期定向结构度量的道路提取算法。该算法是根据人类认知心理学上对显著结构的辨识过程,提取出潜在的道路区域概率模型。其次,在潜在道路区域概率模型指导下,采用LSD线段检测方法在遥感影像上提取出道路线段基元,对基元片段进行融合连接操作,形成路网掩模。然后,结合一些形态学的滤波操作获得最终的二值路网图。我们在湖南韶山数据集上验证算法有效性,并取得0.714的检测准确率。其次,针对由于阴影、遮挡等引起的道路网络拓扑中断现象,结合业务部门已有的历史路网矢量数据,我们首先提出了基于迭代拓展线段的路网匹配算法。通过简单的缓冲区生长法,确定每个参考目标的候选匹配目标。然后,通过将参考目标和候选目标都向外迭代拓展的方式,选取出最终的匹配对。该方法以拓扑网络的匹配代替线段的匹配,匹配中考虑到了道路的上下文连接信息,最终实现了87.24%的匹配准确率。最后,为了获得完整的路网结构,实现路网更新,提出了一个端到端的多条件生成对抗网络。该网络结构包含两个判别器、一个生成器和一个预训练的VGG网络。其中一个判别器是用于捕捉道路光谱信息,辅助路网生成;另一个判别器是用来指导道路拓扑的重建。而预训练的VGG网络则是用来获取道路的精细特征。生成器是由两个判别器和预训练的VGG网络来联合训练的。网络的输入包含三类样本:原始遥感影像图、初始路网图和地面真实路网图。该网络同时考虑了道路的光谱特征和拓扑特征,因此获得的最终道路网络相较普通方法更具完整性。我们在美国马萨诸塞州数据集和韶山数据集上分别进行了实验,依次取得0.841和0.862的准确率,证明了该方法的有效性。