道路作为重要的人造地物，是构成现代交通体系的主要部分，具有重要的地理、政治、经济、军事意义。由于合成孔径雷达(Synthetic Aperture Radar, SAR)系统具有全天时、全天侯等优点，从SAR图像中提取道路日益受到重视。高分辨率使得对地观测中更多的地物细节得到呈现。在高分辨率SAR图像中，道路不再表现为线特征，而是呈现出由亮的双边缘包围的暗长区域。然而，高分辨率也使得各类干扰得到放大，道路旁的阴影遮挡、道路上的车辆等各类干扰的存在、道路类型的多样性以及环境背景的复杂性，使得高分辨率SAR图像道路提取变得复杂而艰巨。针对当前SAR图像道路提取所存在的问题，本论文主要根据高分辨率SAR图像道路的辐射及几何特征，对高分辨率SAR图像道路交叉口的自动提取、道路自动以及半自动提取问题分别展开深入研究，提出了系列新的提取算法。在第三章高分辨率SAR图像道路交叉口自动提取研究中，提出一种直接检测识别道路交叉口的新方法。该方法先根据交叉口的灰度特征，利用形态学变换，全局搜索交叉口候选区域中心点位置；然后以此为局部窗口中心，采用多阈值Otsu分割出各个局部窗口内道路目标；接着根据交叉口的几何特征，通过矩形旋转得到角度均值图，获取与交叉口相连的道路个数，最终识别出交叉口的类型。实验结果表明该方法可有效提取出各种干扰下的交叉口目标。在第四章高分辨率SAR图像道路自动提取研究中，论文针对基于传统马尔科夫随机场(Markov random field, MRF)模型道路提取方法存在求解过程偏慢及参数设置偏多的问题，提出先根据道路空间几何特征关系对提取出的线基元进行预连接，以此减少虚假连接给MRF迭代求解带来的运算量；然后建立MRF道路网改进模型对道路网进行快速标记的方法。使用1m机载高分辨率SAR图像进行实验，结果表明该方法的有效性。在第五章高分辨率SAR图像道路半自动提取研究中，提出一种局部检测和全局跟踪相结合的道路中心点提取方法。在局部检测时，设定内外双窗口，外窗口根据护栏、绿化带等干扰物与道路的边缘呈现一致的方向性，采用非线性结构张量获取该区域内的道路方向；内窗口根据方向结果调整转向，搜索道路区域，进而确定道路的宽度及中心点。在全局跟踪阶段，为克服路上阻塞及路旁建筑物遮挡造成跟踪频繁失败的影响，采用粒子滤波器变步长跟踪的策略。实验结果表明该方法能有效降低各种干扰及遮挡物的影响，有效实现道路中心点的跟踪提取。综上所述，本论文的研究将为高分辨率SAR图像地物目标解译做有益探索，同时道路提取的应用技术研究也将为以后的工程实践提供研究思路。