从影像获取信息是人类获得知识的主要来源之一。目前,实时、全天候、大面积获得地球表面的高分辨率、高精度、多时相、多光谱的数字影像已成为可能,而与之相对应的是处理的理论和算法相对滞后。从卫星遥感影像自动提取或者智能理解地面目标的几何与物理信息,是摄影测量、遥感以及计算机视觉等领域的前沿课题,针对上述问题开展研究有着重要的理论与现实意义。　　道路是一种重要的线状人工地物,是基础地理信息的重要部分。遥感影像道路提取在城市规划、交通运输、公共安全和国防建设等诸多方面有着十分重要的意义,一直以来都是研究难点和热点。本文回顾了目前已有的道路提取的相关研究,对典型的文献进行了点评,在深入分析高分辨率遥感影像上道路特征的基础上,采用了面向对象的分类思想提取高分辨率遥感影像上的道路专题信息。本文的主要贡献与创新之处创如下:　　(1)改进了经典的Mean Shift算法。经典的Mean Shift算法往往存在欠分割现象。本文使用基于边缘置信度的边缘检测方法,将边缘检测的结果融入分割过程中,可以有效的避免Mean Shift的欠分割现象,这有利于提高道路提取的精度。　　(2)将SVDD分类方法引入道路提取的研究中,用于在只有道路的训练样本的情况下进行道路分类,所需训练样本单一、数量少,但通过对QuickBird和GeoEye-One高分辨率遥感影像进行道路提取试验,证明该方法是有效可靠的,所生成的道路专题图在精度及视觉效果上都较为令人满意。