道路是最基础、最重要的地理信息数据之一,使得基于遥感影像的道路提取具有重要意义和研究价值。道路交叉口作为道路网的节点,具有稳定、可靠的特征,可以提供道路连接方向、拓扑关系等信息,获取道路交叉口对道路提取具有非常重要的作用。高分辨率遥感影像是目前使用最广泛的影像数据之一,本文主要研究了从高分辨率遥感影像上提取道路交叉口以及道路信息,主要工作如下:(1)将道路交叉口作为独立地物目标,研究了基于深度学习目标检测算法的道路交叉口检测。针对不同类别的道路交叉口构建样本集,训练深度学习物体检测模型Faster R-CNN,从高分辨率遥感影像中自动识别与定位道路交叉口。实验结果显示,基于深度学习的道路交叉口检测可以从遥感影像上检测出影像中主干道路形成的面状交叉口,不仅能够定位道路交叉口目标的几何位置,而且能够较准确地识别出道路交叉口的几何形状类型,其精度优于传统方法。算法适用于空间分辨率高于2m、道路宽度大于5个像素的高分辨率遥感影像。(2)研究了基于图割的图像分割算法进行道路交叉口同质区域提取。针对道路交叉口的特点,引入GLCM纹理特征和像元形状指数特征,与光谱特征共同构成特征空间,然后构建图割的能量函数,使用最大流算法最小化能量函数,通过迭代达到整体能量最小,分割出道路交叉口同质区域。实验证明,引入多特征的图割与标记分水岭和普通图割算法相比,效果更优,可以较好的从道路交叉口影像切片中提取出道路交叉口同质区域。(3)研究了将道路交叉口提取结果与半自动道路提取方法相结合的道路提取方法。首先应用张量投票算法从道路交叉口同质区域二值图中获取道路交叉口的中心点坐标、道路分支宽度和方向等结构信息。以道路交叉口结构信息为先验信息,初始化测地线法和模板匹配法半自动道路提取算法的参数,进行道路的提取,一定程度减少了半自动道路提取中的人机交互过程。实验结果表明,论文中所做研究能较好的从遥感影像上提取出道路交叉口信息,并将提取的道路交叉口信息与半自动道路提取算法相结合,从高分辨率遥感影像上提取道路,可以一定程度减少半自动道路提取的人机交互过程,具有一定的实用性。