在人口稠密的城市地区,自动道路检测在遥感领域是一项具有挑战性的应用。 这主要是由于道路像素的物理和几何变化,它们与其他特征(如建筑物,停车场和人行道)的光谱相似性以及车辆和树木的阻碍。 这些问题是从高分辨率卫星图像精确检测和识别城市道路的真正障碍。 解决此问题的一种有前途的策略是使用多传感器数据来减少检测的不确定性。 在本文中,开发了一个基于对象的集成分析框架,用于从高分辨率光学图像和激光雷达数据中检测和提取各种类型的城市道路。 所提出的方法是使用基于屏蔽策略的面向规则的方法设计和实现的。 最终路线图的总体准确性(OA)为89.2%,一致的卡帕系数为0.83,这表明该方法在不同条件和类间噪声下的效率和性能。 结果还证明了这种基于对象的方法在使用高分辨率卫星图像和激光雷达数据同时识别复杂城市区域中各种道路要素方面的强大能力。