道路网是非常重要的基础地理信息。近年来，随着高分辨率的卫星遥感影像(例如IKONOS，QUICKBIRD，ORBVIEW 等)的发展，使得应用高分辨率影像提取空间信息和属性信息己成为现实。但是如何从高分辨率遥感影像中自动提取道路网却是件非常具有挑战性的任务，因此也就成为当今遥感、计算机视觉和图像理解领域的研究热点之一。 本文基于主动轮廓模型(Stokes)理论研究了高分辨率遥感影像道路的提取。针对高分辨率遥感影像中道路特征，通过改进现存方法得出更为适合道路提取的主动轮廓模型，并利用其完成道路提取工作。论文的主要研究内容如下： (1)通过对现有的利用Snakes模型提取道路的半自动方法的深入分析，总结得出利用此模型进行道路取的基本思路：道路初始条件的获取阶段和利用初始条件进行道路网跟踪处理阶段。 (2)传统Snakes模型的初始化轮廓以单个像素点(控制点)为其基本元素，这使得供高层处理控制选择的信息过于繁多和杂乱无章。本文在道路初始化阶段，利用直线检测和寻找道路边缘平行线对把道路信息初步组织起来，其结果作为Snakes的基本元素并据此设计能量函数，使得模型在稳定性、计算效率等方面均有所提高。 (3)利用数字影像中直线结构特征检测直线，具有较高的运算效率，同时可抗一定断裂。在检测出来的直线中，通过比较相邻直线段间的灰度均匀性提取出平行线对，从而为主动轮廓模型进行。 (4)在利用初始条件进行道路网跟踪处理阶段，重点解决了道路Snakes 模型的能量函数设计问题，对传统能量项中的弹性能进行了改进，针对高分辨率遥感影像中道路的边缘特征新增了平行关系约束项。 (5)改进了确定控制点迭代区域范围的方法；引进Berger 等人提出的 Snakes growing思想，对道路边缘轮廓线实施了边扩展边优化策略，使之能够较好的提取出完整的道路信息。 通过对1米分辨率的IKONOS影像进行实验，结果表明该方法能够较好的提取出城市高分辨率影像中的道路信息。