随着遥感卫星技术的发展，高分辨率遥感影像被广泛地应用到人们生活的诸多方面，极大的促进了社会与经济的发展。利用高分辨率遥感影像数据进行道路信息提取已经成为重要的研究方向。目前遥感影像道路提取有人工解译和机器解译两种方法，人工解译工作量大，解译的精度依赖于工作人员的经验。因此利用机器解译手段进行道路快速提取成为人们关注的重点。　　本文首先介绍了遥感影像道路提取的常用的算法，分析了这些算法在道路提取中的优缺点，提出一种面向对象的道路提取的方法，对道路提取过程中涉及的关键技术进行了详细介绍。　　论文在分水岭分割和面向对象的多尺度分割的基础上，根据道路的实际特点，对合并过程进行约束以提高道路的形状特性，为后面的道路特征提取奠定基础。然后在多尺度分割的基础上进行训练，提取道路和背景的特征组合。最后利用训练获取的道路特征进行识别，将识别出的道路对象组成完整的道路网络。　　论文最后对道路提取的方法进行研究，在基于面向对象分割的基础上，结合道路的实际特点，提出了一种新的面向对象的道路提取方法，即先在道路的最优尺度上提取主干道,然后依次在各个小尺度层上通过道路生长的方法提取出完整的道路，实验发现这种方法能明显提高道路的提取精度。