我国是自然灾害频发的国家之一,灾害发生后为提高救援效率需迅速获取灾害发生后灾情信息。无人机航空遥感系统所获取的无人机影像能及时反映灾后灾损信息。传统的基于像元的分类方法存在着不能充分挖掘影像数据的光谱信息、几何信息、纹理信息和上下文信息,且分类精度低、速度慢等局限性,不能满足灾损信息快速提取的需求,而面向对象的影像分析方法为高分辨率遥感影像灾情信息提取提供了新的思路。本文利用面向对象的影像分析方法对草坡乡的无人机影像的水系、道路、建筑物的受损信息进行提取,研究工作和成果如下:(1)在分析现有遥感影像主要分割算法的基础上,重点研究了面向对象影像分析的多尺度分割技术的算法和流程,深入分析了波段权重、颜色、形状、紧致度、光滑度、分割尺度等参数的选择依据和原则。(2)介绍了基于面向对象的分类方法及基于像元的分类方法,并比较其优缺点。基于支持向量机的方法的实验结果,分类结果存在较大误差,因此不适于对当前灾损信息的提取。(3)获得基于面向对象的草坡乡灾损信息提取专题图。对受损水系、受损道路及受损建筑物的属性特征进行总结,采用面向对象分类技术对草坡乡无人机影像进行灾损信息提取实验,根据不同地物特点,确定水系、道路、建筑物的最优分割尺度并对影像进行分割,构建其多尺度层次网络结构;以影像对象的光谱特征、几何特征、纹理特征以及空间拓扑关系等信息建立模糊规则知识库,对不同地物在最优分割尺度上进行分层提取,获取的分类结果制成专题图。(4)灾损信息提取结果统计分析。灾损信息提取结果采用Kappa系数来进行精度评价,面向对象分类方法不仅利用了地物的光谱信息,而且充分考虑了几何、纹理、上下文关系等信息,分类结果精度较高,该实验总体精度达到了80.55%。并分别对提取结果中受损水系的面积(171965.64m2)、道路受损长度(4651.34m)及受损建筑物数量(12处)作了统计分析,发现灾情发生后主要受损区域为河岸两侧及道路两侧的建筑物。