道路是高分辨率遥感影像上的重要地物,是构成城市的骨架,是城市高速发展中更新最快的基础地理信息之一。关于道路提取算法,国内外学者有不少的研究,但从目前的研究进展来看,在高分辨率遥感影像上进行道路提取,还处在试验和理论阶段,没有完全应用到生产实践中,因此,研究高分辨率遥感影像道路提取具有学术意义和实用价值。本文利用面向对象影像分析的方法,对高分辨率遥感影像进行不同尺度的道路提取研究。首先在理论研究的基础上,对面向对象影像分析中尺度转换、尺度效应、分割参数选择等问题进行研究,通过实验评价尺度转换过程中影像信息的损失程度,验证不同分割尺度产生的尺度效应,确定最优分割参数,并提出了一种基于训练样本的最优分割尺度选择方法,确定出了不同道路类型的最优分割尺度；其次对研究区不同道路特征进行分析,引入一种可视化表达特征选择方法,实现特征的有效组合,通过道路尺度转换与选择,建立影像对象层次结构,根据最邻近和模糊逻辑分类相结合的方法,进行特征空间优化,构建道路知识库,完成道路网络识别；然后利用数学形态学对道路进行后期处理,得到完整的道路网；最后利用分类稳定性和混淆矩阵进行多尺度道路提取精度评价,并与面向对象单尺度道路提取、最大似然分类及支持向量机分类方法进行分析比较。实验结果表明,利用面向对象多尺度道路提取,能有效解决高分辨率遥感影像道路提取中的难点,充分体现了该方法在道路提取中的可行性及高效性。