道路自动提取是遥感应用的一个非常重要的研究课题,它在军事与民用方面都具有重要意义。在高分辨率遥感图像上,地物内部具有更为丰富的细节信息,地物间光谱混淆更为严重,图像复杂性的提高增加了道路提取的难度。　　 本文抓住高分辨率遥感图像上道路所具有的条带状、内部相对均一、并与周边地物具有较大差异等主要特征,提出将剖面深度搜索与主动轮廓模型(Snakes)逼近优化相结合的道路半自动提取方法,并通过多源高分辨率遥感图像开展方法验证。围绕上述任务,论文的主要工作包括:　　 1.深入分析了道路提取方法的研究现状及发展趋势,分类归纳了半自动及自动道路提取方法;深入研究了Snakes模型的基本原理、算法特点和实现步骤,这为本文方法的提出提供了技术基础。　　 2.根据高分辨率遥感图像道路特点,建立了一种新的道路剖面模型,并据此设计了一种基于剖面深度搜索的道路提取方法。该方法首先根据用户确定的起始点确定道路的基本走向、路宽、灰度分布等剖面特征,然后在起始剖面两侧进行深度搜索,寻找满足符合条件的梯度极值点对即道路边缘,最后进行点对连接形成双线道路。方法能够在道路弯曲、间断、交叉等条件下对道路进行正确提取。　　 3.利用扩展的Snakes模型对所提取的道路形态进行了进一步的优化。通过Snakes模型内外部能量的共同约束,克服剖面模型易受噪声影响的缺陷,对初始道路边缘位置进行迭代修正,从而使其更接近道路实际边界。实验测试取得了较高的位置精度。