La extracción de carreteras es una tarea importante en el campo de la teledetección, y ha sido ampliamente estudiada y aplicada por investigadores, especialmente utilizando métodos de aprendizaje profundo. Sin embargo, muchos modelos que utilizan redes neuronales convolucionales ignoran los atributos de las carreteras, y la forma de la carretera es bandada y discreta. Además, la continuidad y precisión de la extracción de carreteras también se ven afectadas por carreteras estrechas y bloqueadas por árboles. Este artículo diseña una red (MSPFE-Net) basada en agrupamiento de franjas multinivel y mejora de características. La arquitectura general de MSPFE-Net es codificador-decodificador, y esta red tiene dos módulos principales. Uno es un módulo de agrupamiento de franjas multinivel, que agrega dependencias de largo alcance de diferentes niveles para garantizar la conectividad de la carretera. El otro módulo es el módulo de mejora de características, que se utiliza para mejorar la claridad y los detalles locales de la carretera. Realizamos una serie de experimentos en el conjunto de datos, Massachusetts Roads Dataset, un conjunto de datos público. Los datos experimentales mostraron que el modelo en este artículo fue mejor que los modelos de comparación.