امروزه به دلیل اهمیت ویژه ای که راه ها به عنوان یکی از مهم ترین زیرساخت های توسعه در هر کشور، در کاربردهای مختلف دارند؛ استخراج اطلاعات آنها به یک چالش مهم در علوم مرتبط تبدیل شده است. یکی از فناوری هایی که در این زمینه فعالیت گسترده ای داشته؛ سنجش از دور و در کنار آن علم پردازش تصاویر رقومی است. دو دسته روش برای استخراج و شناسایی عوارض شبکه راه از تصاویر سنجش از دور وجود دارد: روش های دستی و خودکار. اگرچه روش دستی هنوز هم روش غالب در تولید داده های مکان مند است؛ اما نیازمند صرف زمان و تلاش زیاد جهت استخراج و شناسایی عوارض است. از این رو، بسیاری از محققان بر توسعه الگوریتم های خودکار و نیمه خودکار برای شناسایی عوارض مختلف در مناطق شهری متمرکز شده اند. تا به امروز روش های زیادی جهت استخراج راه ها از داده های مختلف سنجش از دوری ارائه شده است. با وجود موفقیت این روش ها در مناطق روستایی و برون شهری، عملکرد آنها در مناطق شهری با مشکلاتی مواجه است. وجود عوارض متعدد که موجب انسداد معابر می گردند مانند ماشین ها و درختان یا عوارض دارای مشابهت طیفی بالا با راه مانند پارکینگ ها و سقف ساختمان ها از جمله مشکلات موجود در روند استخراج راه های شهری است. در این تحقیق با ارائه روشی جدید که ترکیبی از خوشه بندی، قطعه بندی و طبقه بندی قانون مبنا است؛ شبکه معابر شهری استخراج شده است. منطقه مورد مطالعه، بخشی از شهر اصفهان است. شبکه معابر شهری، در دو مقیاس 1:10000 و 1:5000 و براساس دستورالعمل های تهیه نقشه در این دو مقیاس، استخراج شده است. برای ارزیابی نتایج از دو شاخص compeletness و correctness استفاده شده است. این شاخص ها در مقیاس 1:5000، به ترتیب 89 و 3/82 درصد و در مقیاس 1:10000، 2/91 و 85 درصد به دست آمده اند. این نتایچ نشان دهنده عملکرد مناسب روش پیشنهادی در استخراج شبکه معابر شهری در دو مقیاس مورد مطالعه است. البته روش پیشنهادی جهت مقیاس 1:5000 در برخی موارد قابلیت بهبود و بررسی بیشتر دارد. در نهایت با بررسی استانداردهای تهیه نقشه در دو مقیاس، مشخص شد که عوارض آزادراه، بزرگراه و شریانی های درجه 1 در هر دو مقیاس قابل ترسیم اند. اما در مقیاس 1:10000 نباید شریانی های درجه 2، معابر جمع کننده و معابر محلی دسترسی ترسیم شوند.