هدف اصلی این پژوهش، نشان دادن پتانسیل بالای استفادۀ توأمان از تصاویر راداری و نوری، جهت استخراج راه می‌باشد. به‌منظور رفع نواقص الگوریتم‏‏های استخراج راه، با استفاده از داده‏‏های تک منبعی و بهبود نتایج کشف راه، الگوریتمی هوشمند جهت تلفیق این دو منبع ارائه‌شده است. در این تحقیق از تصاویر آیکونوس و TerraSAR-X، استفاده گردید که ابتدا بین تصاویر، هم مرجع سازی انجام گرفت و سپس ویژگی‏های بافت برای هر یک از تصاویر، استخراج و وارد شبکۀ عصبی جداگانه شدند. در نهایت با قرار دادن دو فیلتر، پیکسل‏هایی که در محدودۀ درجات خاکستری گیاه و راه‏های باریک قرار دارند، شناسایی شده و تصمیم‏گیری در مورد ماهیت این پیکسل‏ها به‌ترتیب بر مبنای خروجی شبکۀ عصبی، تصویر نوری و راداری انجام پذیرفت. با اجرای این الگوریتم، به‌ترتیب مقادیر 42/79 درصد برای پارامتر RCC، 51/93 درصد برای پارامتر BCC و مقدار 27/0 برای پارامتر RMSE محاسبه شده بین خروجی الگوریتم و داده‏های مرجع، به‌دست آمد. خروجی حاصل از تلفیق دو منبع هم از لحاظ آماری و بصری نتایج قابل قبولی ارائه می‏دهد و هم در تشخیص راه‏‏های باریک و پیکسل‏‏های مربوط به زمینه، عملکرد بهتری دارد.