近年来遥感技术均获得了极大的发展,这使得遥感技术成为了灾情监测、灾害损失评估常用的有效手段,尤其在地震灾害发生后的灾情信息获取、应急中遥感技术都发挥了不可或缺的作用。在震后的灾害损失评估中通过高分辨率遥感数据可以较为精确的获得震后灾区内房屋、道路的损毁情况,传统的人工提取方法虽然保证了精度,但是提取速较低。本文使用面向对象的方法充分挖掘高分辨率航空影像的纹理、光谱、几何信息,对震后建筑物倒损信息进行提取,研究工作和成果如下:1)分析了面向对象信息提取技术中常用的遥感影像分割算法,影像对象特征的定量化分析方法以及分类方法。由于震后影像地物特征复杂,相邻地物的边缘像元混合程度高,因此确立了使用基于隶属度函数的模糊分类方法辅助倒损建筑物的提取。2)本文提出了一种基于倒损建筑物纹理特征的最优分割尺度评价方法,通过标准差和Moran指数分别来描述对象内部的“同质性”以及对象间的“异质性”,将纹理特征作为评价因子计算样本与对象间的相似性,通过上述指标综合评价分割尺度,该方法在保证全局最优分割的前提下,也顾及了提取倒损建筑物的分割尺度需求。3)构建了适用于倒损建筑物提取的随机森林分类模型:在研究随机森林分类的数学定义、分类过程以及分类优点的基础上,将随机森立分类器与面向对象的影像信息提取方法相结合,在实验区内选择适当数量样本对分类器进行训练,确定了最佳的分类器参数、参与分类的特征参数,在倒损建筑物的提取过程中取得了较好的结果。4)在对损毁建筑物进行分级时,使用基于模板匹配的方法,根据经验选择不同损毁程度的倒损建筑对象作为模板,采取多尺度多层次分割的策略在随机森林分类的基础上,根据对象内部灰度统计特征使用对待分级对象进行逐一匹配,对倒损建筑对象进行分级。通过精度分析,随机森林分类方法取得了较好结果,且与手动提取的倒损建筑物分级结果相比本方法在有一定的可用性。