自动提取合成孔径雷达（SAR）图像中道路损毁信息，一直是灾害评估、灾害救援中的重要研究课题。本文的主要研究内容为道路损毁信息提取中三个主要过程，道路提取、变化检测和损毁评估。关于道路信息提取，文章分析了道路在SAR图像中三种不同特征，并介绍针对这三种特征的道路信息提取算法，以及算法的优缺点和适用性。本文论述了SAR图像分辨率的不同对道路提取算法的影响，同时根据项目所使用SAR图像数据源，提出了一种基于Duda算子的道路信息提取算法。为了进一步提取完整道路信息，文中结合了形态学细化、节点去除、短线剔除等一系列图像处理算法，最终很好的排除了非道路信息得到完整的道路片段。文章利用所编的程序，对实测数据进行算法验证，取得了较为理想的效果。本文研究了变化检测算法，介绍了目前常用变化检测算法理论和算法优缺点，然后根据灾害造成变化的SAR图像数据进行验证和分析，最终采用结合Edgeworth逼近和交叉熵算法的变化检测算法。该算法能够很好减弱斑点噪声对变化检测过程的影响，能够较为理想地提取复杂场景下的SAR图像差异信息。文章利用该算法编译的程序，实现对四川汶川地震后图像和灾后重建图像差异信息的变化检测，并分别选取高速公路、桥梁、城市等不同场景验证算法的适用性。利用四川省映秀地区灾后损毁和灾后重建差异图像的变化检测，与中科院对地观测中心的光学遥感图像对比，验证了该算法能够很好的提取灾后重建造成变化差异。文章最后结合变化检测结果和道路信息提取了“5.12”地震造成道路损毁，主要思路是通过道路信息分割出道路区域的变化信息，然后CFAR恒虚警分割算法得到损毁路段提取的阈值，最终采用阈值分割方法得到损毁路段提取结果。该方法在确定分割阈值时采用截取测试SAR片段作为参考，通过比较不同分割阈值提取结果，从而选取符合实际损毁状况分割结果的相应阈值作为最佳阈值。本文将地震造成了道路损毁的都汶高速公路老虎嘴路段作为实验区域，利用该方法提取道路损毁结果与实际损毁情况进行了对比，验证了本方法的可靠性。