随着遥感技术的发展，由航天飞机和各种大、中、小卫星系统提供的空间遥感影像大量增加，它们的空间分辨率、光谱分辨率和时间分辨率不断提高，使我们能够获取极其丰富的信息。如何充分高效的利用遥感信息已成为地球信息科学领域一个备受关注的问题。 由于道路网络信息在交通管理、城市规划、应急事务处理等方面的重要性和应用广泛性，道路信息的提取一直是遥感信息提取的重要组成部分，也是图像解译和目标识别的一个重要研究课题。本文围绕道路的自动提取展开研究，主要研究内容归纳如下： 1．针对原始相位编组法获取支持区时存在的不足，提出改进的组合编组区获取法，该方法通过分析和实验筛选出合适尺寸的梯度计算模板，并对初始的支持区进行连接操作，较好的解决了原始相位编组法获取的同一条边缘的支持区完整性欠缺和支持区之间断裂严重的问题。 2．将动态规划算法与改进的组合编组区获取法相结合，在较小的编组区内应用动态规划手段搜索边缘。两者的结合使得本文算法既具有相位编组法的弱边缘检测能力，又具有动态规划可检测任意形状边缘的优点，同时也大大减少了单独使用动念规划法的巨大运算量，加快了搜索边缘的速度。 3．在应用一维动态规划算法搜索道路边缘线时，采用虚拟起始点和终止点的方法，避免了起始点和终止点位置确定困难和准确性不够的问题。 4．利用路面边缘线相互平行的特点，从一条较长边缘线出发，检测出附近的道路外边缘候选位置，进而利用道路灰度特点，确定本段道路的外边缘位置。该方法在仅存在一条较为完整道路边缘的情况下，也能较好的提取道路段。 5．计算出每个道路段的中心线，将中心线端点较为接近且方向相差较小的道路段连接为一体。重复这一过程获得整个道路网提耳义结果。 选取两幅不同城市的、不同区域的高分辨率遥感影像对本算法进行检验，并从视觉和数量两方面评价了算法的精确度。从视觉上分析，本文方法提取的道路边缘很接近原始影像中的道路边缘，并能对弱边缘做到较好的提取。通过定量分析，可以得出本文算法的平均准确度达到 88.83％。实验证明，本文提出的方法适合于复杂影像的道路边缘检测，具有较强的弱边缘检测能力。