本文针对城市高分辨率遥感影像，分析不同等级道路在影像上表现出的主要特点，从道路的概念模型出发，将道路按其影像上表现的像素宽度分为主宽路和次宽路，系统地提出高分辨率影像的道路提取方法和开发关键算法，达到自动快速准确地提取出城市快速路、主干道、部分次干道的目的。 论文的研究内容主要包括三个部分：预处理阶段图像质量的改善，这部分的内容主要是影像的分割和路面障碍物的去除；主宽路种子点的自动提取及道路跟踪形成主宽路网络；次宽路提取及道路网络的生成。 预处理阶段图像质量的改善运用特征空间密度梯度方法检测特征空间局部区域内最大密度点(模式点)，并基于模式点的K-均质聚类、及模式点索引进行影像分割，在这个过程中提出了针对道路型细长区域的自适应Parzen窗口选择的方法。 主宽路的提取是基于道路理想模型，在影像分割的基础上，通过选择道路区域识别的典型因子(面积、细长度、紧致度、矩形度、灰度值)，自动提取主宽路典型片断，并自动提取道路种子点对；然后利用道路种子点对提供的道路方向、位置、灰度特征等信息，提取出基于相邻道路小片断的小波不变矩的匹配跟踪算法，有效地提取出了主宽路网络。 次宽路的提取包括次宽路中心点(线)的检测和次宽路道路网络的生成。在检测次宽路中心线时，本文把次宽路看作影像曲面脊状连续弯曲结构，并在此基础上设计影像曲面脊状结构的提取算法，提出了基于海塞矩阵的二阶导数脊的检测算法，该方法较传统的高程脊检测法更能有效地抑制阶梯状边缘的响应，得到初始线状结构。在连接初始线状结构生成道路网络时，首次提出了建立道路邻域系统模型，运用随机点过程来模拟道路网络的生成，并用MCMC(Markov Chain Monte Charlo)对该过程进行模拟退火，以得到道路网络的最小能量。