道路是促进国家社会经济发展的重要基础设施﹐直接影响着城市化的发展进程，同时也可以间接反映出国家经济的飞速发展。随着我国近些年持续朝着建设社会主义现代化强国的伟大方向不断稳步推进，中国的经济建设始终以十分迅猛的速度进行，交通道路网也在发生改变，如何实时地监控、掌握道路网系统的改变，已成为遥感大数据领域的一个重要问题。由于受到树木遮挡以及建筑物阴影等问题的影响，导致针对遥感道路提取结果存在的提取结果不连通，破碎化等问题。针对这一问题，本文以安徽省合肥市为研究区，利用高分2号(GF-2)/1m遥感影像，建立一种基于特征强化的深度学习智能模型，对合肥瑶海区部分地区进行道路网提取。本文以Res-Unet网络的道路初始提取结果为基础，设计一种道路特征增强和特征一致性感知网络，强化道路特征，提高道路特征的一致性，克服由于遮挡造成的道路不连通和破碎的问题，提升道路提取结果的连通性和完整性，获得更为连贯光滑的道路网数据。以安徽省合肥市瑶海区进行道路网提取，并进行精度验证，总体精度（OA）为97.9%，IOU为85.12%，F1值为0.91。本文实验方法利用的特征增强的方式，在原始道路提取效果上进行修复，对于增加道路的连通性起到较好结果，增加模型实用性以及泛化性，是一种可行的方式。

道路提取,特征增强,深度学习