众源地理信息（Volunteered Geographic Information,VGI）随着传感器以及网络技术的进步而快速发展,使免费获取覆盖全球的矢量数据成为现实。其具有更新快、免费下载、覆盖范围广等特点,为基础地理信息的数据采集和更新提供有益补充。同时,伴随遥感与摄影测量技术的蓬勃发展,快速获取全球范围内多时相、高分辨率、多光谱的数字影像成为现实。国内高分系列、资源系列等遥感卫星都能够实现全天候、高精度、高效的对地观测。使我国遥感卫星技术与信息获取能力位于世界先进水平,由遥感卫星提供的高分辨率遥感影像也迅速增加。空间地理数据量的不断增长,使地理数据更新、变化检测、信息提取等工作堆积。这些工作的前提步骤都是空间数据的配准。因此,研究矢量数据与遥感影像的自动配准具有重要的理论和现实意义。目前矢量与遥感影像的配准关键在于遥感影像特征的提取,而现有遥感影像特征提取方法存在特征提取不完整、提取错误等问题,导致配准失败或精度不高。本文的主要提出一种基于深度学习的矢量数据与遥感影像配准方法。利用改进后的Faster R-CNN目标检测模型提取影像的道路交叉口作为影像控制点,依据属性信息和几何拓扑关系筛选矢量数据道路交叉口作为矢量控制点。然后,分析矢量与影像控制点的偏移距离建立矢量与影像的同名控制点。最后,运用同名控制点构建矢量数据与遥感影像的映射关系实现矢量与影像的自动配准。围绕本文研究目的,本文所做主要工作如下所示:（1）依据矢量与影像数据特征,选取道路交叉口作为矢量与影像匹配同名特征。提出通过矢量数据的属性信息、拓扑关系、连通度关系、交点夹角等构建筛选条件提取矢量数据中的道路交叉口。在广州等实验区域中,利用本文构建的筛选条件均能准确提取出研究区域的矢量道路交叉口。（2）提出一种改进后的Faster R-CNN目标检测算法提取影像中道路交叉口。其中选用特征金字塔网络构建主干提取网络进行多尺度道路交叉口特征提取、引入注意力机制对有用信息进行增强,同时抑制无用信息、将ROI Pooling替换为ROI Align避免候选框特征图尺寸固定时的精度损失。选用常用目标检测算法作为对照组,在测试集中改进后的Faster R-CNN目标检测模型相较常用目标检测模型更能精准提取影像道路交叉口。（3）通过分析矢量与影像提取出道路交叉口的偏移距离,构建矢量与影像的同名点。同时,使用聚类算法对同名点进行数据清洗,将数据清洗后的同名点坐标值代入仿射变换函数,按最小二乘法求解出仿射变换参数。最后,对矢量数据进行仿射变换完成矢量与影像的自动配准。选取南昌、西安等地作为实验区域进行矢量与影像自动配准实验,在实验区域文中方法能准确实现矢量与影像的自动配准。（4）考虑实验区域空间差异,存在矢量与影像偏移误差空间分布不一致问题。提出一种分块矢量与影像自动配准方法,通过分析矢量与影像同名点误差,建立泰森多边形将研究区域切分成矢量与影像偏移误差一致的局部区域。在各局部区域中分别进行矢量与影像配准,并将局部配准结果进行拼接完成整个研究区域的矢量与影像配准工作。选取矢量与影像偏移误差空间分布不一致的苏州等城市作为实验区域,利用分块矢量与影像配准方法进行自动配准实验,实验结果表明通过分块配准方法能有效解决矢量与影像偏移距离空间分布不一致问题。