针对遥感图像道路提取信息丢失问题，提出了一种基于残差神经网络的道路提取算法。首先构建编码器?解码器网络，结合预编码器以及空洞卷积模块进行训练，提取更多的语义信息；其次并联设计的空洞卷积模块加在编码器?解码器结构的中间部分，它可以对不同感受野的特征图进行特征提取；最后编码器?解码器之间采用跳连的方式进行多尺度的特征融合，学习更多低维和高维的特征。实验结果表明，在Massachusetts道路数据集上，该方法相比其他算法在Precision、Recall和F1?score性能指标上分别有11 %、0.3 %和7.4 %的提升；同时在Accuracy指标上也达到了97.9 %，相比于其他算法，该算法有一定的应用价值。