近年来,随着技术得到迅速发展,卫星遥感影像分辨率的显著提高,高分辨率影像提取道路信息呈现出周期短,速度快,细节丰富等特点。遥感影像中的城市道路网是基础地理信息的一个主要来源,也是地理信息系统应用的基础数据。道路信息的提取对GIS数据获取、遥感影像理解、制图以及空间数据库更新等方面都有深远的意义。然而,现有的遥感影像中提取道路方法准确度还不够理想,或是将道路目标错看是背景而遗漏目标,或是将背景错看成道路目标。因此,如何准确地解译海量的图像数据,并利用这些数据实现GIS数据的动态更新已成为整个社会信息化过程中面临的重要问题。数学形态学在图像处理中由于具有简化图像数据,保持图像基本的形状特性,并除去不相干的结构以及运算简单灵活,运算速度快等特点,使其用于遥感影像的道路提取有其独特的优势。为了提高道路提取的准确度,本文重点改善图像的分割效果,引入了影像的纹理和光谱特征,提出了一种基于综合特征的图像聚类分割方法。综合特征是由3种纹理特征和2种光谱特征组成。通过选择移动窗口的大小、距离、灰度级数和像素对的相对方向这四个参数,利用灰度共生矩阵提取出影像纹理特征,经过对适合于遥感影像的5种纹理特征进行比较分析,确定对比度、角二阶矩和熵这三个纹理特征统计量作为纹理特征。选择图像像元灰度均值和标准差作为光谱特征。在基于综合特征图像道路分割的基础上,利用数学形态学的开运算、形态重建、闭运算等算法对图像道路进行分离道路和与道路相连的建筑物等地物、去除非道路图斑、连接断裂道路等处理,再对图像道路进行填充孔洞、形态细化和去除毛刺等,得到最终的道路提取结果。实验结果表明,基于综合特征的道路聚类分割方法比利用单一的图像特征的分割方法有更好的分割效果。并利用目视叠加和定量分析,最终的道路提取结果具有很高的准确度。本文提出的高分辨率遥感影像道路提取方法切实可行,效果较好。