道路作为一种重要的地物目标,其自动化提取与变化检测一直是摄影测量与遥感领域的研究热点与难点问题。利用少量的道路矢量数据,可以获取识别遥感影像上的道路所需的训练样本,提高道路提取的自动化程度。将基于新时相遥感影像提取的道路数据,与旧时相的道路矢量数据进行变化检测,可以评价旧时相矢量数据的现势性。论文针对基于矢量数据的道路自动提取与变化检测技术展开研究,主要研究内容及创新点如下:1、提出了矢量数据辅助下的遥感影像道路自动分割方法。该方法的基本思想是通过道路矢量数据获取一系列种子点,验证影像上与这些种子点相对应的位置处同质化区域(光谱或灰度特征相似的区域)的形状,由此筛选出有效的道路样本点,并利用监督分类方法分割出道路区域,生成分类影像。针对不同分辨率的影像,设计了两种不同的处理流程。通过实验验证了该方法的有效性。2、提出了一种基于方向一致性分割的分类影像道路提纯方法。该方法利用分类影像上道路的局部方向保持一致的特点,将主方向一致的像元合并成对象,并结合线特征指数、面积等几何特征指标来识别出道路对象。通过多组实验并与现有方法进行对比分析,证实了该方法在准确性、计算效率和稳定性等方面均具有优势,对于具有不同道路分布特征和不同分辨率的影像均能够适用,且能够处理具有较多干扰信息的分类影像。3、针对高分辨率分类影像的道路中心线提取问题,提出了一种邻域质心投票算法。该算法通过分析邻域形状和计算邻域多边形的质心来检测道路中心线,同时排除非道路区域的干扰。通过实验验证了该方法的有效性,并与基于二值图像的角度纹理特征方法进行对比分析,证实了该算法在计算效率、稳定性及对不同路宽的适应性等方面具有优势。4、设计了矢量数据辅助下的遥感影像道路自动提取的整体策略。对于高分辨率影像,利用光谱信息分割出道路兴趣区域,并从分割结果中提取道路中心线,经过矢量化和规整处理得到道路提取结果。对中、低分辨率影像,利用灰度或光谱信息进行分割,并对分割结果进行提纯,通过细化和矢量化、规整处理得到最终结果。实验验证了矢量数据辅助下的遥感影像道路自动提取方法的正确性和有效性。5、设计了基于缓冲区思想的道路矢量数据变化检测方法。对遥感影像变化检测的精度评价方法进行改进,设计了利用矢量化道路提取结果进行变化检测的精度评价方法。通过实验,将利用本文方法提取的道路进行变化检测的结果与人工变化检测结果进行对比,验证了本文方法的有效性。