空间数据的更新已成为目前世界各国的地理信息系统的数据库面临的突出问题。随着遥感技术的不断发展，特别是各种SAR传感器的相继上天，遥感作为空间数据获取的一种手段，其在空间数据更新中的作用显得越来越重要。当前，从遥感图像中，尤其是高分辨率SAR图像中提取道路网络已成为遥感技术应用研究中的热点之一，其目的就是利用自动或半自动提取技术为道路中心线的描述和GIS空间数据库的更新提供一种行之有效的方法。论文在总结分析国内外已有研究成果的基础上，对高分辨率SAR图像中道路网络提取方法及地理信息系统空间数据更新方法进行了深入研究。 高分辨率SAR图像中细节丰富，目标背景异常复杂，同时SAR图像受其固有的斑点噪声的影响，很难直接从原始图像中提取道路网络。针对这一特性，论文对高分辨率SAR图像进行聚类分析，将道路类象素从图像中分离出来，使问题得到简化。然后分别建立不同的数学模型，利用遗传算法和Snakes方法提取道路中心线。提出了两种从高分辨率SAR图像中提取道路网络的半自动提取方法。实验结果表明基于遗传算法的道路网络提取算法具有较高的计算精度，但计算时间稍长，而基于Snakes的提取方法计算速度较快，但计算精度有所下降。 对于合成孔径雷达这种侧视遥感器图像，SAR图像中道路与周围背景对比度强弱与雷达的侧视方向及道路的延伸方向密切相关，针对这一问题，提出了一种多阈值局部检测算子。局部检测的各方向的道路象素经过曲线拟合形成相应方向的道路线段。以提取的道路线段为图的顶点建立道路网络的数据结构，将这些线段有效地组织起来。针对局部检测的道路线段之间“相邻”等关系具有不确定性，提出了一种利用模糊推理系统进行道路线段全局连接的方法。利用该方法连接道路线段的具体步骤包括共线连接，线段整合，交叉点连接等，每一步包含一个Mamdani类型的模糊推理系统。该方法具有较好的适应性，只要合理选择模糊规则，就可以利用模糊系统将道路线段连接起来形成道路网络。 同一区域各种不同传感器数据之间存在一定的冗余和互补信息，融合多种传感器数据可以减少系统总的不确定性，增加提取特征的精确性。为充分利用各种传感器数据更准确地提取道路网络，论文提出了一种融合多传感器数据提取道路网络的方法。在局部检测时，基于DRO线性特征检测算子的基本思想，针对雷达图像和光学图像特性，分别设计了一种改进的局部检测算子，该算子可以检测任意方向的道路象素。利用D一S证据理论融合两算子分别在SAR图像和TM图像中的检测结果，融合检测结果经细化和线性拟合后，利用模糊推理系统融合先验知识对道路线段进行连接。试验结果表明融合检测的网络较单独从SAR图像中提取的结果无论是完整性还是正确性都有明显提高。同时，论文还对文中提出的各种道路网络提取算法的定量评价方法进行了探讨。 最后，论文对利用遥感图像更新地理信息系统道路网络数据的方法进行了研究，提出了一种线性特征变化检测的方法。该方法以地理信息系统的道路网络图层中单个道路特征为变化检测单元，对道路特征中两坐标点之间线段与遥感图像中融合检测的相应道路线段进行匹配，判断是否应对原有数据进行校正或增加新的道路特征。该方法克服了缓冲区检测算子对特征局部变化不敏感的局限性。